基于Cholesky分解的协方差矩阵估计

摘要

重复测量数据经常在心理学、社会科学、经济学和医学研究等领域出现.对于重复测量数据,高维(HD)和正定(PD)约束是协方差和相关矩阵建模的2个主要障碍.基于Cholesky型分解的方法在处理HD和PD问题上是有效的.基于修正的Cholesky分解(MCD)、替代Cholesky分解(ACD)和Cholesky因子参数化(HPC)3种方法,对遵循高斯分布的重复测量数据拟合联合均值和方差模型,然后对参数估计的协方差矩阵进行了比较.