A Distributed and Integrated Method of Moments for High-Dimensional Correlated Data Analysis
高维相关数据分析的分布式整合矩方法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：摘要虽使用广义矩方法，但应用是高维脑电响应，未明确属于所列细分领域。
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
高维相关数据分析的分布式整合矩方法
- 研究问题
- 当高维响应具有多层嵌套相关结构、完整似然计算难以扩展时，如何分布式估计回归参数并有效整合相互依赖的局部结果？
- 方法与思路
- 作者将响应拆分为子向量，用成对复合似然并行分析，再借助广义矩方法构造元估计量，整合依赖数据产生的局部结果。
- 材料陈述的贡献
- 摘要称，方法建立有效估计、推断及拟合优度检验的理论框架，提供 R 包，并以模拟和脑电数据展示其应用表现。
- 阅读关注点
- 应核对子向量划分、局部估计间协方差的处理与矩条件，以及效率比较基准、通信成本和脑电应用中关联结论的解释。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未列出效率条件和计算收益数值，脑电应用中的显著关联不能直接解释为因果效应。
原文摘要
This paper is motivated by a regression analysis of electroencephalography (EEG) neuroimaging data with high-dimensional correlated responses with multi-level nested correlations. We develop a divide-and-conquer procedure implemented in a fully distributed and parallelized computational scheme for statistical estimation and inference of regression parameters. Despite significant efforts in the literature, the computational bottleneck associated with high-dimensional likelihoods prevents the scalability of existing methods. The proposed method addresses this challenge by dividing responses into subvectors to be analyzed separately and in parallel on a distributed platform using pairwise composite likelihood. Theoretical challenges related to combining results from dependent data are overcome in a statistically efficient way using a meta-estimator derived from Hansen's generalized method of moments. We provide a rigorous theoretical framework for efficient estimation, inference, and goodness-of-fit tests. We develop an R package for ease of implementation. We illustrate our method's performance with simulations and the analysis of the EEG data, and find that iron deficiency is significantly associated with two auditory recognition memory related potentials in the left parietal-occipital region of the brain.