Cholesky Decompositions and Estimation of A Covariance Matrix: Orthogonality of Variance Correlation Parameters
协方差矩阵的 Cholesky 分解与方差、相关参数的正交性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：摘要以通用协方差参数化为主，移动平均解释不足以确定具体时间序列应用领域。
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
协方差矩阵的 Cholesky 分解与方差、相关参数的正交性
- 研究问题
- 一种将方差与相关结构分开的修正 Cholesky 分解，是否也使相应参数渐近正交，其统计解释与估计代价如何？
- 方法与思路
- 作者比较两种修正分解的参数性质，将分解元素解释为特定移动平均参数和创新方差，并讨论使用既有似然程序估计。
- 材料陈述的贡献
- 摘要称，新分解虽实现方差与相关参数分离，却不具有渐近正交性，估计可能更费计算；文章还提供参数解释及估计途径。
- 阅读关注点
- 应核对分解的标准化约定、参数分离与渐近正交的区别，以及信息矩阵分析、移动平均解释和似然估计的具体实现。
- 阅读边界
- 依据版本未注明的索引摘要；未给出正交性分析的具体条件或计算成本比较，不能将参数分离直接视为估计独立。
原文摘要
Chen & Dunson ([3]) have proposed a modified Cholesky decomposition of the form σ = D L L′D for a covariance matrix where D is a diagonal matrix with entries proportional to the square roots of the diagonal entries of Σ and L is a unit lower-triangular matrix solely determining its correlation matrix. This total separation of variance and correlation is definitely a major advantage over the more traditional modified Cholesky decomposition of the form LD2L′, (Pourahmadi, [13]). We show that, though the variance and correlation parameters of the former decomposition are separate, they are not asymptotically orthogonal and that the estimation of the new parameters could be more demanding computationally. We also provide statistical interpretation for the entries of L and D as certain moving average parameters and innovation variances and indicate how the existing likelihood procedures can be employed to estimate the new parameters.