Maindonald描述了一种基于Givens旋转的顺序方法。(A Givens旋转是零出在矢量中的一个给定的条目。两个向量的正交变换)。在已分解的前一步骤设计矩阵 为三角矩阵经由正交变换这样。(从三角矩阵中获得回归结果非常容易。)在下邻接新行,您可以有效地将扩展为非零行也说T Q Q X = (T,0 )' v X(T,0 )' t T T t T QXTQQX=(T,0)′vX(T,0)′t。任务是将该行清零,同时将条目保持在对角线的位置。一系列的Givens旋转可以做到这一点:第一行的旋转将的第一个元素清零;然后第二个的旋转将第二个元素清零,依此类推。效果是将乘以一系列旋转,这不会改变其正交性。TTtTQ
当设计矩阵具有列时(在变量加一个常数上进行回归时就是这种情况),所需的转数不超过并且每个旋转会更改两个矢量。所需的存储空间为。因此,该算法在时间和空间上的计算成本均为。p p + 1个p + 1 Ť Ö ((p + 1 )2)ø ((p + 1 )2)p+1pp+1p+1TO((p+1)2)O((p+1)2)
使用类似的方法,您可以确定删除行对回归的影响。Maindonald给出公式;所以做贝尔斯利,丹山,与威尔士。因此,如果您正在寻找移动的窗口以进行回归,则可以将该窗口的数据保留在循环缓冲区中,并与新数据相邻并在每次更新时删除旧数据。这会使更新时间加倍,并需要为宽度为的窗口额外存储。看来是影响参数的模拟。k 1 / kO(k(p+1))k1/k
对于指数衰减,我认为(推测地)您可以使这种方法适应加权最小二乘,为每个新值赋予一个大于1的权重。不需要维护先前值的缓冲区或删除任何旧数据。
参考文献
JH Maindonald,《统计计算》。 J. Wiley&Sons,1984年。第4章。
DA Belsley,E。Kuh,RE Welsch,回归诊断:确定有影响力的数据和共线性的来源。 威利父子杂志,1980年。