BDprecision R Package

Description

这个R包实现了Yang, Dai和Pan (2023)提出的块对角(BD)精度矩阵正则化方法，用于超高维数据的精度矩阵估计。

Installation

首先，安装必要的依赖包:

install.packages(c("Matrix", "glasso", "MASS"))

然后，你可以从 GitHub 安装开发版本 (需要 devtools 包):

# install.packages("devtools") 
# devtools::install_github("likangmax/BDprecision") # 请确保将 'likangmax' 替换为你的实际 GitHub 用户名

主要特点 (Key Features)

使用协方差列筛选(CCS)方法识别显著相关的变量子组
估计块对角结构的精度矩阵，其中只保留显著相关子组的协方差
在处理超高维数据（p >> n）时计算效率高
支持自适应阈值协方差矩阵估计

使用示例 (Example Usage)

运行内置示例:

library(BDprecision)

# 运行示例
bd_example()

# 自定义参数的示例
bd_example(n = 30, p = 2000, block_size = 15, rho = 0.4)

直接使用函数进行分析:

# 生成模拟数据
sim_data <- simulate_block_data(n = 50, p = 1000, block_size = 20, rho = 0.3)

# 估计精度矩阵
bd_result <- bd_precision(sim_data$X)

# 评估结果
metrics <- evaluate_precision(sim_data$Omega, bd_result$Omega)
print(metrics)

函数说明 (Functions)

bd_precision(): 主函数，使用块对角正则化估计精度矩阵
ccs(): 协方差列筛选过程，识别显著相关的变量子组
adaptive_thresholding(): 使用自适应阈值方法估计协方差矩阵
evaluate_precision(): 评估精度矩阵估计的性能
simulate_block_data(): 生成带有块结构的模拟数据
bd_example(): 展示包功能的示例函数

参考文献 (References)

Yang, Y., Dai, H., & Pan, J. (2023). Block-diagonal precision matrix regularization for ultra-high dimensional data. Computational Statistics and Data Analysis, 179, 107630. DOI: 10.1016/j.csda.2022.107630