问题标签 [covariance-matrix]

我阅读了 glmmTMB 包小插曲（https://cran.r-project.org/web/packages/glmmTMB/vignettes/covstruct.html）并有以下问题：

1. 在小插图中，他们使用以下方法拟合模型

并提到time+0对应于连接观察向量 y（行）和随机效应向量 u（列）的设计矩阵 Z"

是什么意思+0？和有什么区别(times|group)吗？(times+1|group)(1|group)

关于协方差结构的语法有什么全面的总结吗？

2. 如果我想在 R 函数生成结果 y_{ij} 时拟合负二项式模型：rnbinom(mu=x_{ij}beta+b_i+e_{ij},size=1)，其中 i 是组索引，j 是个体索引，并且 b_i～N(0,1), e_{ij}~ N(0,1)。以下代码会正确指定模型吗？

任何建议和帮助表示赞赏。在此先感谢您的帮助！

我有一个具有自相关性的 VAR(2) 模型（因为主要是滞后 = 8），即使该模型的滞后数量更大。我得到并建议协方差矩阵的稳健估计器将对此有所帮助，并且不应该存在自相关。如何使用 python 在此模型中将协方差矩阵的正常估计量更改为协方差矩阵的稳健估计量？

我想运行 One Way MANOVA（两个因变量和四个因素）。

MANOVA 的主要假设之一是方差-协方差矩阵的同质性。

如何在 scipy 或其他 python 库中测试这四个组是否同方差？

我有一个协方差矩阵的时间序列存储为 MultiIndex（我们称之为“A”）和一个标量的时间序列存储为 DataFrame（我们称之为“b”）。

“A”的形状为“k”x“n”x“n”，“b”的形状为“k”x“n”，所以我有一个“k”日期的协方差矩阵的MultiIndex，形状为“n” x“n”，我想乘以标量的“k”x“n”x 1 DataFrame 以获得“k”x“n”x 1 DataFrame。

当我尝试 A.multiply(b) 之类的方法时，它不起作用，因为 MultiIndex 维度是 (kxn, n) 并且不严格匹配 (k, n) 的 DataFrame 维度。

我能够使用列表理解执行计算并将 MultiIndex 和 DataFrame 转换为 numpy 数组，但这需要非常非常长的时间，所以我必须非常低效地执行此操作。

这方面的一个例子是：

这需要非常长的时间来计算。有没有一种快速的方法来执行这个计算？

我正在尝试使用我的模型中的均值和协方差矩阵来设置参数引导程序，该矩阵nlm()与代码 1 收敛。但是，当使用创建新参数时

rmvnorm(1,mean=mod$estimate,sigma=solve(mod$hessian))

我收到以下警告消息：

Warning message:
In rmvnorm(1, mod$estimate, solve(mod$hessian)) :
sigma is numerically not positive semidefinite

引导程序完成没有错误，结果似乎合理。我的问题是结果有多可靠？

我在 lavaan 创建了一个 SEM 模型，它非常适合我的数据。我使用以下方法检查了生成的协方差矩阵：

它产生了这个矩阵（变量本身不感兴趣）

我将其转换为相关矩阵cov2cor

产生了这个：

到目前为止，一切都很好。只是为了测试一下，我决定用cor2cov它来看看它是否让我回到了原来的 corr 矩阵。为此，我需要相关性和变量 sd's out of cor1. 所以

这是cov2矩阵：

唉，与它可能应该cov2是不完全相同的。cov1关于为什么这些函数会产生不同结果的任何想法，更重要的是，哪一个是“正确”的 cov 矩阵以供进一步分析？

我查看了类似的答案，但找不到适合我的问题的答案。

我有一个构建为 MultiIndex 的每日协方差矩阵。它有“k”个日期，对于每个“k”个日期，它都有一个大小为“n”乘“n”的矩阵。尺寸在技术上是 (k, n, n)，但由于这是一个 MultiIndex pandas 将其视为形状 (kxn, n)。

作为一个最低限度的工作示例，我可以提供以下内容：

我想从每天到每分钟重新采样一次。假设我的 MultiIndex 协方差矩阵被称为“X”，我已经设法让以下工作：

然而，这需要非常长的时间来计算。有没有更快更有效的方法来执行这个操作？

这对于在 pandas 0.24 之后被弃用的面板来说很快。从我自己的分析工作来看，最占用内存的部分似乎是“stack()”

我正在试验 stan 和 Gaussian Processes。在一些错误之后，我发现一切的根源是函数的奇怪行为cov_exp_quad。
特别是我不明白为什么它返回一个不对称的矩阵。
这里是 stan 脚本：

这里是R代码：

这是，而不是输出

为什么这不是对称的？谢谢

我想知道如何手动计算当我在 lm 对象上调用 R 中的 vcov() 函数时返回的内容，即方差-协方差矩阵。

对角线条目非常简单，只需取 st。每个参数的误差并将其平方。例如，对于下面的估计，方差-协方差矩阵的条目 (z,z) 只需通过取 z 的估计系数的标准误差 (0.1096658) 并将其平方来计算。但是非对角线条目呢？有人可以提供代码来手动计算这些吗？

我对 66 名患有内源性或外源性抑郁症的患者（endo）重复测量数据，并在 0-5 周内每周测量抑郁评分（hdrs，因此每名患者进行六次测量，包括基线）。数据为长格式：

看起来像这样：

我的问题是我是否可以从该数据集中获得方差-协方差矩阵，而无需先将其转换为宽格式。我问是因为我有另一个数据集，将其转换为宽格式需要很长时间（因为我在这方面经验不足），这样做的唯一原因是获得方差-协方差矩阵.

谢谢！