多元 t 混合模型的 EM 算法
EM algorithm for multivariate t mixed models
我正在尝试为家庭数据实施 EM 算法，我假设我的观察结果具有多元 t 分布。我每个家庭只有两个兄弟姐妹，所以所有家庭组只有两个观察值。基本上我正在尝试遵循本文中的 E(C)M 步骤：
https://pdfs.semanticscholar.org/9445/ef865c4eb1431f9cb2abdb5efc1c361172cc.pdf
但是，现在我不确定 EM 是否适用于此类数据，因为我的相关矩阵 Psi 应该是家庭的块对角线。
所以这是我的家庭结构的 R 示例
fam_id = sort(rep(1:5, 2))
Z= matrix(0, nrow = length(fam_id), ncol = length(unique(fam_id)))
colnames(Z) = unique(fam_id)
k = 1
i = 1
# Random effects dummy matrix
while (k <= ncol(Z)) {
Z[i:(i+1), k] = c(1, 1)
k = k +1
i = i+2
}
> Z
1 2 3 4 5
[1,] 1 0 0 0 0
[2,] 1 0 0 0 0
[3,] 0 1 0 0 0
[4,] 0 1 0 0 0
...
EM 算法在第 5 次迭代后阻塞，表示相关矩阵 Psi 不是：
solve.default(psi_hat) 中的错误：
系统在计算上是奇异的
如果有人能对此有所启发，我将非常高兴！
请在 Statschange 网站查看此答案
您可能在第 5 次迭代中以不可逆矩阵结束
我正在尝试为家庭数据实施 EM 算法，我假设我的观察结果具有多元 t 分布。我每个家庭只有两个兄弟姐妹，所以所有家庭组只有两个观察值。基本上我正在尝试遵循本文中的 E(C)M 步骤： https://pdfs.semanticscholar.org/9445/ef865c4eb1431f9cb2abdb5efc1c361172cc.pdf
但是，现在我不确定 EM 是否适用于此类数据，因为我的相关矩阵 Psi 应该是家庭的块对角线。
所以这是我的家庭结构的 R 示例
fam_id = sort(rep(1:5, 2))
Z= matrix(0, nrow = length(fam_id), ncol = length(unique(fam_id)))
colnames(Z) = unique(fam_id)
k = 1
i = 1
# Random effects dummy matrix
while (k <= ncol(Z)) {
Z[i:(i+1), k] = c(1, 1)
k = k +1
i = i+2
}
> Z
1 2 3 4 5
[1,] 1 0 0 0 0
[2,] 1 0 0 0 0
[3,] 0 1 0 0 0
[4,] 0 1 0 0 0
...
EM 算法在第 5 次迭代后阻塞，表示相关矩阵 Psi 不是：
solve.default(psi_hat) 中的错误： 系统在计算上是奇异的
如果有人能对此有所启发，我将非常高兴！
请在 Statschange 网站查看此答案
您可能在第 5 次迭代中以不可逆矩阵结束