Eigenvalue distributions of variance components estimators in high-dimensional random effects models
高维随机效应模型中方差分量估计量的特征值分布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：摘要聚焦高维随机效应协方差谱及遗传学应用，未说明面板结构或金融因子模型。
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
高维随机效应模型中方差分量估计量的特征值分布
- 研究问题
- 多元随机效应模型中，当观测维度与各随机效应的实现次数相当时，MANOVA 协方差分量估计量的谱如何刻画？
- 方法与思路
- 作者利用算子值自由概率理论，以固定点方程刻画确定性极限谱的 Stieltjes 变换，并提出数值求解的迭代程序。
- 材料陈述的贡献
- 摘要称，经验谱可由确定性分布近似，并建立矩形正交不变随机矩阵族的渐近自由性结果，应用于数量遗传学实验设计。
- 阅读关注点
- 应核对维度比例、随机效应与矩阵分布条件、谱近似的收敛含义，以及固定点方程的数值求解和实验设计特化。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；模型假设与迭代保证未展开，谱分布近似不能直接等同于协方差估计的一致性或改进。
原文摘要
We study the spectra of MANOVA estimators for variance component covariance matrices in multivariate random effects models. When the dimensionality of the observations is large and comparable to the number of realizations of each random effect, we show that the empirical spectra of such estimators are well-approximated by deterministic laws. The Stieltjes transforms of these laws are characterized by systems of fixed-point equations, which are numerically solvable by a simple iterative procedure. Our proof uses operator-valued free probability theory, and we establish a general asymptotic freeness result for families of rectangular orthogonally-invariant random matrices, which is of independent interest. Our work is motivated in part by the estimation of components of covariance between multiple phenotypic traits in quantitative genetics, and we specialize our results to common experimental designs that arise in this application.