Maindonald mô tả một phương pháp tuần tự dựa trên các phép quay Givens . (Phép quay Givens là phép biến đổi trực giao của hai vectơ tạo ra một mục đã cho trong một trong các vectơ.) Ở bước trước, bạn đã phân tách ma trận thiết kế thành ma trận tam giác thông qua một biến đổi trực giao sao cho . (Thật nhanh chóng và dễ dàng để có được kết quả hồi quy từ ma trận tam giác.) Khi tiếp giáp một hàng mới bên dưới , bạn mở rộng một cách hiệu quả bởi một hàng khác cũng vậy, nóiT QXTQQX=(T,0)′vX(T,0)′t. Nhiệm vụ là loại bỏ hàng này trong khi vẫn giữ các mục ở vị trí đường chéo . Một chuỗi các phép quay Givens thực hiện điều này: phép quay với hàng đầu tiên của đổi phần tử đầu tiên của ; sau đó xoay với hàng thứ hai của không thành phần thứ hai, v.v. Hiệu quả là tạo tiền đề bằng một loạt các phép quay, không thay đổi tính trực giao của nó.TTtTQ
Khi ma trận thiết kế có các cột (đó là trường hợp khi hồi quy các biến cộng với một hằng số), số vòng quay cần thiết không vượt quá và mỗi vòng quay thay đổi hai -vector. Dung lượng cần thiết cho là . Do đó, thuật toán này có chi phí tính toán là cả về thời gian và không gian.p+1pp+1p+1TO((p+1)2)O((p+1)2)
Một cách tiếp cận tương tự cho phép bạn xác định ảnh hưởng của hồi quy xóa một hàng. Maindonald đưa ra công thức; do đó, làm Belsley, Kuh, & Welsh . Do đó, nếu bạn đang tìm kiếm một cửa sổ chuyển động để hồi quy, bạn có thể giữ lại dữ liệu cho cửa sổ trong một bộ đệm tròn, liền kề mốc thời gian mới và loại bỏ cửa sổ cũ với mỗi bản cập nhật. Điều này tăng gấp đôi thời gian cập nhật và yêu cầu lưu trữ bổ sung cho cửa sổ có chiều rộng . Dường như sẽ là tương tự của tham số ảnh hưởng.O(k(p+1))k1/k
Đối với sự phân rã theo cấp số nhân, tôi nghĩ (theo suy đoán) rằng bạn có thể điều chỉnh cách tiếp cận này với bình phương tối thiểu có trọng số, cho mỗi giá trị mới có trọng số lớn hơn 1. Không cần phải duy trì bộ đệm của các giá trị trước đó hoặc xóa bất kỳ dữ liệu cũ nào.
Người giới thiệu
JH Maindonald, Tính toán thống kê. J. Wiley & Sons, 1984. Chương 4.
DA Belsley, E. Kuh, RE Welsch, Chẩn đoán hồi quy: Xác định dữ liệu có ảnh hưởng và nguồn của cộng tác. J. Wiley & Sons, 1980.