A Projection Based Conditional Dependence Measure with Applications to High-dimensional Undirected Graphical Models
基于投影的条件依赖度量及其在高维无向图模型中的应用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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要中的因子模型服务于一般条件依赖检验，未明确宏观因子、金融因子或经济网络研究对象，因此暂不分类。
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
基于投影的条件依赖度量及其在高维无向图模型中的应用
- 研究问题
- 研究因子可能高维时，如何度量并检验条件依赖，以及如何在不要求高斯分布的情况下构建变量依赖图。
- 方法与思路
- 作者在因子模型设定下提出投影型条件依赖度量，推导相应独立性检验的渐近零分布，并据此构造依赖图。
- 材料陈述的贡献
- 摘要称，新检验可控制渐近显著性水平且计算高效，并提供非高斯图构建方法及数值与实际数据分析。
- 阅读关注点
- 应核对投影与条件独立之间的关系、高维因子的增长条件、图构建中的检验安排，以及比较实验的基准。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未说明完整条件，所称数值优势的幅度与范围也未给出。
原文摘要
Measuring conditional dependence is an important topic in statistics with broad applications including graphical models. Under a factor model setting, a new conditional dependence measure based on projection is proposed. The corresponding conditional independence test is developed with the asymptotic null distribution unveiled where the number of factors could be high-dimensional. It is also shown that the new test has control over the asymptotic significance level and can be calculated efficiently. A generic method for building dependency graphs without Gaussian assumption using the new test is elaborated. Numerical results and real data analysis show the superiority of the new method.