Generalized Model-based Linear Reduction of Multivariate Regression

Abstract

최근에 생산되는 데이터는 대부분 고차원이기 때문에 매우 복잡하여 분석 시에 많은 어려움이 따른다. 그래서 우리는 모형의 차원을 축소하는 방법이 필요하다. 본 논문에서는, 반응변수에 대한 차원축소 방법(Response dimension reduction method)의 하나로써 Generalized Model-based linear reduction(GMBLR)을 다룰 것이다. Σ의 subspace를 최소화시킬 때 모수의 차원이 축소되는 Generalized fitted envelope model(GFEM)과 같은 이전의 모델들과는 달리, GMBLR에서는 축소 가정이 없으며 따라서 Σ가 변할 수 있다. 그럼에도 불구하고, 이 방법이 반응변수에 대한 차원축소가 가능한지 Simulation을 통해 확인해 볼 수 있다.;Nowadays a massive amount of data have many variables and high dimensionality. It is quite difficult to deal with for us. So we need a dimension reduction methods. In this paper, we would range over a generalized model-based linear reduction(GMBLR) as one of the response dimension reduction methods. Unlike former models such as generalized fitted envelope model, there isn't assumption of structure on Σ. Despite change of Σ, we will confirm whether response linear reduction is possible or not through simulation.