916:
667:
911:{\displaystyle {\begin{aligned}&\mathbf {y} _{n}=\mathbf {A} \mathbf {x} _{n}+\mathbf {B} \mathbf {z} _{n}+\mathbf {c} +\mathbf {e} _{n}\\=&{\begin{bmatrix}\mathbf {A} &\mathbf {B} \end{bmatrix}}{\begin{bmatrix}\mathbf {x} _{n}\\\mathbf {z} _{n}\end{bmatrix}}+\mathbf {c} +\mathbf {e} _{n}\\=&\mathbf {D} \mathbf {f} _{n}+\mathbf {c} +\mathbf {e} _{n}\end{aligned}}}
127:
1048:
656:
580:
972:
672:
40:
491:
351:
245:
162:
450:
424:
318:
208:
977:
398:
292:
589:
513:
371:
265:
182:
924:
1131:
1132:"Uncover cooperative gene regulations by microRNAs and transcription factors in glioblastoma using a nonnegative hybrid factor model"
453:
28:
1164:
122:{\displaystyle \mathbf {y} _{n}=\mathbf {A} \mathbf {x} _{n}+\mathbf {B} \mathbf {z} _{n}+\mathbf {c} +\mathbf {e} _{n}}
1169:
1159:
1139:
467:
327:
221:
138:
494:
661:
Alternatively, the model can be viewed as a special kind of factor model, the hybrid factor model
433:
407:
301:
1043:{\displaystyle \mathbf {f} _{n}={\begin{bmatrix}\mathbf {x} _{n}\\\mathbf {z} _{n}\end{bmatrix}}}
31:
187:
1109:
1099:
1091:
1058:
583:
651:{\displaystyle \mathbf {y} _{n}=\mathbf {B} \mathbf {z} _{n}+\mathbf {c} +\mathbf {e} _{n}}
575:{\displaystyle \mathbf {y} _{n}=\mathbf {A} \mathbf {x} _{n}+\mathbf {c} +\mathbf {e} _{n}}
376:
270:
507:
20:
967:{\displaystyle \mathbf {D} ={\begin{bmatrix}\mathbf {A} &\mathbf {B} \end{bmatrix}}}
1104:
1079:
356:
250:
167:
1153:
457:
1080:"High-Dimensional Sparse Factor Modeling: Applications in Gene Expression Genomics"
211:
1095:
502:
Relationship between factor regression model, factor model and regression model
17:
1113:
1136:
International
Conference on Acoustics, Speech and Signal Processing
1050:
are the factors, including the known factors and unknown factors.
426:
is the (unknown) regression coefficients of the design factors.
1059:
Open source software to perform factor regression is available
506:
The factor regression model can be viewed as a combination of
320:
is the (unknown) loading matrix of the hidden factors.
1001:
941:
793:
765:
980:
974:
is the loading matrix of the hybrid factor model and
927:
670:
592:
516:
470:
436:
410:
379:
359:
330:
304:
273:
253:
224:
190:
170:
141:
43:
1042:
966:
910:
650:
574:
485:
444:
418:
392:
365:
345:
312:
286:
259:
239:
202:
176:
156:
121:
1084:Journal of the American Statistical Association
8:
1125:
1123:
1103:
1026:
1021:
1010:
1005:
996:
987:
982:
979:
951:
944:
936:
928:
926:
898:
893:
884:
875:
870:
864:
849:
844:
835:
818:
813:
802:
797:
788:
775:
768:
760:
745:
740:
731:
722:
717:
711:
702:
697:
691:
682:
677:
671:
669:
642:
637:
628:
619:
614:
608:
599:
594:
591:
566:
561:
552:
543:
538:
532:
523:
518:
515:
477:
472:
469:
437:
435:
411:
409:
384:
378:
358:
337:
332:
329:
305:
303:
278:
272:
252:
231:
226:
223:
189:
169:
148:
143:
140:
113:
108:
99:
90:
85:
79:
70:
65:
59:
50:
45:
42:
1078:Carvalho, Carlos M. (1 December 2008).
1070:
493:is a vector of (unknown) errors, often
27:, or hybrid factor model, is a special
7:
14:
1022:
1006:
983:
952:
945:
929:
894:
885:
871:
865:
845:
836:
814:
798:
776:
769:
741:
732:
718:
712:
698:
692:
678:
638:
629:
615:
609:
595:
562:
553:
539:
533:
519:
486:{\displaystyle \mathbf {e} _{n}}
473:
438:
412:
346:{\displaystyle \mathbf {z} _{n}}
333:
306:
240:{\displaystyle \mathbf {x} _{n}}
227:
157:{\displaystyle \mathbf {y} _{n}}
144:
109:
100:
86:
80:
66:
60:
46:
1:
445:{\displaystyle \mathbf {c} }
419:{\displaystyle \mathbf {B} }
313:{\displaystyle \mathbf {A} }
1186:
1096:10.1198/016214508000000869
294:(unknown) hidden factors.
203:{\displaystyle G\times 1}
34:with the following form:
400:(known) design factors.
25:factor regression model
1165:Latent variable models
1044:
968:
912:
652:
576:
487:
446:
420:
394:
367:
347:
314:
288:
261:
241:
204:
178:
158:
123:
1045:
969:
913:
653:
577:
488:
447:
421:
395:
393:{\displaystyle L_{z}}
368:
348:
315:
289:
287:{\displaystyle L_{x}}
262:
242:
205:
179:
159:
124:
978:
925:
668:
590:
514:
495:white Gaussian noise
468:
434:
408:
377:
357:
328:
302:
271:
251:
222:
188:
168:
139:
41:
1090:(484): 1438–1456.
1040:
1034:
964:
958:
908:
906:
826:
782:
648:
572:
483:
442:
416:
390:
363:
343:
310:
284:
257:
237:
200:
174:
154:
119:
1170:Regression models
1130:Meng, J. (2011).
366:{\displaystyle n}
260:{\displaystyle n}
177:{\displaystyle n}
1177:
1144:
1143:
1138:. Archived from
1127:
1118:
1117:
1107:
1075:
1049:
1047:
1046:
1041:
1039:
1038:
1031:
1030:
1025:
1015:
1014:
1009:
992:
991:
986:
973:
971:
970:
965:
963:
962:
955:
948:
932:
917:
915:
914:
909:
907:
903:
902:
897:
888:
880:
879:
874:
868:
854:
853:
848:
839:
831:
830:
823:
822:
817:
807:
806:
801:
787:
786:
779:
772:
750:
749:
744:
735:
727:
726:
721:
715:
707:
706:
701:
695:
687:
686:
681:
674:
657:
655:
654:
649:
647:
646:
641:
632:
624:
623:
618:
612:
604:
603:
598:
584:regression model
581:
579:
578:
573:
571:
570:
565:
556:
548:
547:
542:
536:
528:
527:
522:
492:
490:
489:
484:
482:
481:
476:
451:
449:
448:
443:
441:
425:
423:
422:
417:
415:
399:
397:
396:
391:
389:
388:
372:
370:
369:
364:
352:
350:
349:
344:
342:
341:
336:
319:
317:
316:
311:
309:
293:
291:
290:
285:
283:
282:
266:
264:
263:
258:
246:
244:
243:
238:
236:
235:
230:
209:
207:
206:
201:
183:
181:
180:
175:
163:
161:
160:
155:
153:
152:
147:
128:
126:
125:
120:
118:
117:
112:
103:
95:
94:
89:
83:
75:
74:
69:
63:
55:
54:
49:
1185:
1184:
1180:
1179:
1178:
1176:
1175:
1174:
1160:Factor analysis
1150:
1149:
1148:
1147:
1129:
1128:
1121:
1077:
1076:
1072:
1067:
1056:
1033:
1032:
1020:
1017:
1016:
1004:
997:
981:
976:
975:
957:
956:
949:
937:
923:
922:
905:
904:
892:
869:
862:
856:
855:
843:
825:
824:
812:
809:
808:
796:
789:
781:
780:
773:
761:
758:
752:
751:
739:
716:
696:
676:
666:
665:
636:
613:
593:
588:
587:
560:
537:
517:
512:
511:
508:factor analysis
504:
471:
466:
465:
432:
431:
406:
405:
380:
375:
374:
355:
354:
331:
326:
325:
300:
299:
274:
269:
268:
249:
248:
225:
220:
219:
186:
185:
166:
165:
142:
137:
136:
107:
84:
64:
44:
39:
38:
21:factor analysis
12:
11:
5:
1183:
1181:
1173:
1172:
1167:
1162:
1152:
1151:
1146:
1145:
1142:on 2011-11-23.
1119:
1069:
1068:
1066:
1063:
1055:
1052:
1037:
1029:
1024:
1019:
1018:
1013:
1008:
1003:
1002:
1000:
995:
990:
985:
961:
954:
950:
947:
943:
942:
940:
935:
931:
919:
918:
901:
896:
891:
887:
883:
878:
873:
867:
863:
861:
858:
857:
852:
847:
842:
838:
834:
829:
821:
816:
811:
810:
805:
800:
795:
794:
792:
785:
778:
774:
771:
767:
766:
764:
759:
757:
754:
753:
748:
743:
738:
734:
730:
725:
720:
714:
710:
705:
700:
694:
690:
685:
680:
675:
673:
645:
640:
635:
631:
627:
622:
617:
611:
607:
602:
597:
569:
564:
559:
555:
551:
546:
541:
535:
531:
526:
521:
503:
500:
499:
498:
480:
475:
462:
461:
440:
428:
427:
414:
402:
401:
387:
383:
362:
340:
335:
322:
321:
308:
296:
295:
281:
277:
256:
234:
229:
216:
215:
199:
196:
193:
173:
151:
146:
130:
129:
116:
111:
106:
102:
98:
93:
88:
82:
78:
73:
68:
62:
58:
53:
48:
13:
10:
9:
6:
4:
3:
2:
1182:
1171:
1168:
1166:
1163:
1161:
1158:
1157:
1155:
1141:
1137:
1133:
1126:
1124:
1120:
1115:
1111:
1106:
1101:
1097:
1093:
1089:
1085:
1081:
1074:
1071:
1064:
1062:
1060:
1053:
1051:
1035:
1027:
1011:
998:
993:
988:
959:
938:
933:
899:
889:
881:
876:
859:
850:
840:
832:
827:
819:
803:
790:
783:
762:
755:
746:
736:
728:
723:
708:
703:
688:
683:
664:
663:
662:
659:
643:
633:
625:
620:
605:
600:
585:
567:
557:
549:
544:
529:
524:
509:
501:
496:
478:
464:
463:
460:or intercept.
459:
458:constant term
456:of (unknown)
455:
430:
429:
404:
403:
385:
381:
360:
338:
324:
323:
298:
297:
279:
275:
254:
232:
218:
217:
213:
197:
194:
191:
171:
149:
135:
134:
133:
114:
104:
96:
91:
76:
71:
56:
51:
37:
36:
35:
33:
30:
26:
22:
19:
1140:the original
1135:
1087:
1083:
1073:
1057:
920:
660:
505:
131:
29:multivariate
24:
15:
373:-th sample
267:-th sample
212:observation
18:statistical
1154:Categories
1065:References
195:×
1114:21218139
1054:Software
210:(known)
1105:3017385
921:where,
510:model (
353:is the
247:is the
164:is the
132:where,
16:Within
1112:
1102:
582:) and
454:vector
23:, the
452:is a
32:model
1110:PMID
184:-th
1100:PMC
1092:doi
1088:103
658:).
1156::
1134:.
1122:^
1108:.
1098:.
1086:.
1082:.
1061:.
1116:.
1094::
1036:]
1028:n
1023:z
1012:n
1007:x
999:[
994:=
989:n
984:f
960:]
953:B
946:A
939:[
934:=
930:D
900:n
895:e
890:+
886:c
882:+
877:n
872:f
866:D
860:=
851:n
846:e
841:+
837:c
833:+
828:]
820:n
815:z
804:n
799:x
791:[
784:]
777:B
770:A
763:[
756:=
747:n
742:e
737:+
733:c
729:+
724:n
719:z
713:B
709:+
704:n
699:x
693:A
689:=
684:n
679:y
644:n
639:e
634:+
630:c
626:+
621:n
616:z
610:B
606:=
601:n
596:y
586:(
568:n
563:e
558:+
554:c
550:+
545:n
540:x
534:A
530:=
525:n
520:y
497:.
479:n
474:e
439:c
413:B
386:z
382:L
361:n
339:n
334:z
307:A
280:x
276:L
255:n
233:n
228:x
214:.
198:1
192:G
172:n
150:n
145:y
115:n
110:e
105:+
101:c
97:+
92:n
87:z
81:B
77:+
72:n
67:x
61:A
57:=
52:n
47:y
Text is available under the Creative Commons Attribution-ShareAlike License. Additional terms may apply.