¿Existe una generalización de la traza Pillai y la traza Hotelling-Lawley?

10

En el contexto de la regresión múltiple multivariada (regresor de vectores y regresiones), las cuatro pruebas principales para la hipótesis general (Wilk's Lambda, Pillai-Bartlett, Hotelling-Lawley y Roy's Largest Root) dependen de los valores propios de la matriz , donde y son las matrices de variación 'explicadas' y 'totales'.HE1HE

Me di cuenta de que las estadísticas de Pillai y Hotelling-Lawley podían expresarse como para, respectivamente, . Estoy mirando una aplicación en la que la distribución de esta traza, definida para los análogos de población de y , es de interés para el caso . (errores de módulo en mi trabajo). Tengo curiosidad por saber si existe alguna unificación conocida de las estadísticas de muestra para general , o alguna otra generalización que capture dos o más de las cuatro pruebas clásicas. Me doy cuenta de que para no es igual a o

ψκ=Tr(H[κH+E]1),
κ=1,0HEκ=2κκ01, el numerador ya no se ve como un Chi-cuadrado debajo del nulo, por lo que una aproximación F central parece cuestionable, por lo que quizás este sea un callejón sin salida.

Espero que haya habido alguna investigación sobre la distribución de bajo nulo ( es decir, la verdadera matriz de coeficientes de regresión es cero), y bajo la alternativa. Estoy interesado particularmente en el caso , pero si hay trabajo en el caso general , podría, por supuesto, usarlo.ψκκ=2κ

shabbychef
fuente
Espera, ¿ es la variación explicada 'E' y es la variación total 'T'? Solo estoy revisando mis mnemotécnicos. HE
cardenal
@ cardinal, eso es correcto. Cuando es el mínimo cuadrado multivariante que se ajusta a los coeficientes de correlación, tenemos y Una descripción general (literalmente) de Michael Friendly me ha sido muy útil: psych.yorku.ca/lab/psy6140/lectures/…B^H=B^(XX)B^E=(YXB^)(YXB^).
shabbychef
¡Gracias! Le echaré un vistazo. (Por cierto, estaba bromeando sobre la base de la elección de letras, 'h' para 'explicado' y 'e' para 'total'.) Por cierto, pregunta interesante; (+1) de mi parte.
Cardenal
@cardinal Estaba con cafeína insuficiente para notar el chiste. Sí, los mnemónicos son malos, pero la elección de y (y ) es bastante estándar. HET=H+E
shabbychef
La broma fue lo suficientemente mala como para requerir mucha cafeína para darse cuenta.
cardenal

Respuestas:

2

Me imagino que las generalizaciones productivas surgirían de observaciones que

  1. algunas de estas pruebas son normas del vector , por lo que el rastro de Hotelling-Lawley es la norma , , y la raíz más grande de Roy es la norma , .spec[HE1]={λ1,,λp}l1{λ1,,λp}1l{λ1,,λp}
  2. algunas de estas pruebas pueden ser una norma de la matriz , por ejemplo, la raíz más grande de Roy es la espectral, o , norma .HE1l2HE12
  3. algunas de las pruebas pueden tener la forma de entropía generalizada , por ejemplo, el rastro de Hotelling-Lawley es GE (1), la raíz más grande de Roy es GE ( ) y Wilks ' es GE (-1) en , hasta una transformación monótona cada uno.Λ{1+λ1,,1+λp}

Cuando se entretienen otras normas u otros parámetros de entropía generalizados, se pueden llegar a otras estadísticas que podrían ser significativas. embargo, dudo que alguno de ellos produzca su .ψ2

StasK
fuente
Creo que tenemos , donde son los valores propios de . Pero eso no parece llevarme a ninguna parte. Supongo que no sé lo suficiente sobre la distribución de las sumas de los valores propios ...ψκ=iλi1+κλiλiHE1
shabbychef