Functional Structural Equation Model
函数型结构方程模型AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确以有向无环图估计和脑有效连接为目标，支持网络方向分类；未明确提供经济结构估计或干扰效应依据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
函数型结构方程模型
- 研究问题
- 如何从多变量函数型观测中确定变量间的方向顺序，并在非线性关系下选择连接，估计相应的有向无环图？
- 方法与思路
- 作者先用线性算子层面的评分函数确定方向顺序，再用稀疏函数型加性回归选择关系，同时提出计算加速策略。
- 材料陈述的贡献
- 摘要称建立顺序、稀疏回归及图估计的一致性，允许展开维数和函数数量随样本增长，并以模拟和脑连接应用展示。
- 阅读关注点
- 应核对方向顺序可恢复的识别条件、非线性与加性限制，以及维数增长条件和脑连接方向的解释边界。
- 阅读边界
- 仅据所给 Crossref 摘要；未说明识别及一致性的具体条件，不能仅凭方向关系或结构方程名称确认因果解释。
原文摘要
Abstract In this article, we introduce a functional structural equation model for estimating directional relations from multivariate functional data. We decouple the estimation into two major steps: directional order determination and selection through sparse functional regression. We first propose a score function at the linear operator level, and show that its minimization can recover the true directional order when the relation between each function and its parental functions is nonlinear. We then develop a sparse functional additive regression, where both the response and the multivariate predictors are functions and the regression relation is additive and nonlinear. We also propose strategies to speed up the computation and scale up our method. In theory, we establish the consistencies of order determination, sparse functional additive regression, and directed acyclic graph estimation, while allowing both the dimension of the Karhunen–Loéve expansion coefficients and the number of random functions to diverge with the sample size. We illustrate the efficacy of our method through simulations, and an application to brain effective connectivity analysis.