D-vine copula based quantile regression
分位数回归,即条件分位数的预测,在统计建模和金融应用中逐渐获得重要性。作者介绍了一种新的半参数分位数回归方法的基础上,顺序拟合的似然最优D-藤copula给定的数据,导致高度灵活的模型,易于提取的条件分位数。作为正则vine copula的一个子类,D-vines使得能够根据二元构建块对多元copula进行建模,即所谓的pair-copula构造(PCC)。该算法的工作速度快,准确,即使在高维,并采用了自动变量选择最大化的条件对数似然。此外,分位数回归的典型问题,如分位数交叉或变换,变量的相互作用和共线性,都将自动处理。在一个模拟研究中,与已建立的分位数回归方法相比,该方法提高了精度并节省了计算时间。国际信用违约互换(CDS)数据,包括压力测试和风险价值(VaR)预测的广泛的金融应用表明,所提出的方法的实用性。
2016-11-16 stat.ME
Interquantile Shrinkage in Spatial Quantile Autoregressive Regression models
空间相关数据经常出现在空间计量经济学、流行病学等领域。为了处理变量间的相关性和利用协变量估计分位数效应,引入了空间分位数自回归模型(SQAR模型)。传统的分位数回归只关注拟合模型,而忽略了多个条件分位数函数的检验,这提供了对响应和协变量之间关系的全面视图。因此,有必要研究不同分位数下的不同回归斜率,特别是在分位数系数具有某些共同特征的情况下。然而,传统的Wald多重检验不仅增加了计算负担,而且带来了更大的FDR。本文将参数估计和检验问题转化为惩罚问题,在估计不同分位数下的参数的同时,识别分位数间的共性。为了避免SQAR模型中空间滞后变量引起的内隐问题,在估计前引入工具变量,提出了基于融合自适应LASSO和融合自适应超范数惩罚的两阶段估计方法。所提出的估计方法的预言性质的建立。数值实验表明,该方法比传统的分位数回归方法具有更高的估计效率。
2021-11-13 stat.ME
Fitting tails affected by truncation
在若干应用中,最终在最大数据时,在分析统计分布的尾部特征时可以观察到截断效应。在某些情况下,截断效应是通过物理模型预测的,例如地球物理学中的古腾堡-里克特关系,而在其他情况下,测量过程本身的性质可能导致大值的恢复不足,例如由于河流流量读数的洪水。最近,Beirlant等人(2016)讨论了截断Pareto型分布的尾部拟合。从地震分析,水文和钻石估价的例子,我们证明了需要一个统一的处理截断重,轻尾巴的极值分析。我们概括了经典的峰值超过阈值的方法,为不同的最大吸引域的形状参数$ξ>-1/2$,以允许截断效应。我们使用伪极大似然方法来估计模型参数,并在适当的时候考虑极值分位数估计和截断前分位数水平的重建。我们报告一些模拟实验,并提供一些基本的渐近结果。
2017-05-05 stat.ME
Quantile processes and their applications in finite populations
本文在超总体模型下多种抽样设计中证明有限总体分位数过程的弱收敛性,推导相关估计量的渐近分布并构造置信区间,还比较了估计量性能,发现辅助信息有时会产生不利影响。
2024-11-29 math.ST stat.ME stat.TH
Fast calibrated additive quantile regression
我们提出了一种新的框架,用于拟合添加剂分位数回归模型,它提供了良好的校准推断的条件分位数和快速自动估计的平滑参数,模型结构不同的分布GAM,同时保持相同的数值效率和稳定性。所提出的方法在统计上是严格的,在计算上是有效的,因为它们是基于Bissiri et al.(2016)的一般信念更新框架,以基于损失的推理,但通过调整Wood et al.(2016)的稳定拟合方法来计算。我们展示了弹球损失是如何统计次优相对于一个新的平滑概括,这也提供了快速估计方法。此外,我们提供了一种新的校准方法,有效地选择“学习率”平衡损失与平滑先验在推理过程中,从而获得可靠的分位数不确定性估计。我们的工作是出于概率电力负荷预测的应用程序,在这里使用,以证明所提出的方法。这里描述的方法由qgam R包实现,该包可在Comprehensive R Archive Network(CRAN)上获得。
2020-03-12 stat.AP stat.CO stat.ME
Quantile and Log-Quantile Least Squares for Robust-Efficient Fitting and Validation of Log-Location-Scale Loss Models
Appalachian State University(阿巴拉契亚州立大学);University of Wisconsin-Milwaukee(威斯康星大学密尔沃基分校)
本文提出四种分位数最小二乘估计量,构建对数位置尺度损失模型的估计与验证框架,通过模拟与真实数据验证其性能,可适配不同规模样本。
2026-08-27 stat.AP
Online Prediction of Extreme Conditional Quantiles via B-Spline Interpolation
针对条件极端分位数在线预测中GPD拟合计算成本高的问题,提出基于插值的EMI算法,结合分位数回归与B样条插值实现高效预测。
2023-11-23 stat.CO stat.ME
Correcting Measurement Error and Zero Inflation in Functional Covariates for Scalar-on-Function Quantile Regression
Indiana University School of Public Health(印第安纳大学公共卫生学院);Oregon State University(俄勒冈州立大学);Marmara University(马尔马拉大学);Texas A&M University School of Public Health(德克萨斯农工大学公共卫生学院);Columbia University Mailman School of Public Health(哥伦比亚大学米尔曼公共卫生学院)
本文提出了一种校正功能协变量中测量误差和零膨胀问题的新方法,通过有效性指标和联合分位数回归提高了估计准确性。
2026-02-05 stat.ME
Beyond Source-Level Transfer: Sample-Level Learning for High-Dimensional Quantile Regression
Renmin University of China(中国人民大学)
针对高维分位数回归的迁移学习,提出样本级迁移方法 SL-TL,通过样本选择与重要性加权利用源域可迁移样本,实现更快的收敛速率并展现稳健性能。
2026-10-08 stat.ME
Colorful Pinball: Density-Weighted Quantile Regression for Conditional Guarantee of Conformal Prediction
School of Economics and Management, Tsinghua University, China(清华大学经济管理学院)
本文提出了一种基于密度加权分位数回归的条件保证置信预测方法,通过改进标准置信预测的条件覆盖性能,提供更精确的非渐近保证。
2026-05-19 cs.LG stat.ME
SPQR: An R Package for Semi-Parametric Density and Quantile Regression
我们开发了一个R包SPQR,它实现了Xu和Reich(2021)中的半参数分位数回归(SPQR)方法。该方法首先使用单调样条拟合灵活的密度回归模型,其权重使用人工神经网络建模为数据相关函数。随后,条件密度和分位数过程的估计都可以得到。与许多假设线性模型的分位数回归方法不同,SPQR允许协变量和响应分布之间的几乎任何关系,包括非线性效应和不同分位数水平上的不同效应。为了提高SPQR的可解释性和透明度,Apley和Zhu(2020)开发的模型不可知统计用于估计和可视化协变量效应及其对分位数函数的相对重要性。在本文中,我们将详细介绍如何在SPQR中实现此框架,并通过模拟和真实数据示例说明如何在实践中使用此包。
2022-10-26 stat.CO stat.ME stat.ML
Conformalized Unconditional Quantile Regression
UC Berkeley(加州大学伯克利分校);MIT(麻省理工学院)
本文提出一种结合保形预测与无条件分位数回归的预测推断程序,通过拟合重新中心化影响函数的机器学习模型,生成具有局部频率覆盖保证的自适应预测区间,有效适应异方差性并在效率上具竞争力。
2023-04-04 cs.LG stat.ME
Parametric quantile regression for income data
一元正态回归模型是经济学中广泛应用的统计工具。然而,收入数据具有非对称性,最好用非正态分布来建模。收入模型是劳动经济学的重要研究课题,在确定劳动者收入方面起着重要作用。因此,这项工作的目的是提出参数分位数回归模型的基础上,两个重要的非对称收入分布,即,Dagum和Singh-Maddala分布。所提出的分位数模型是基于重新参数化的原始分布插入一个分位数参数。我们介绍了重新参数化,分布的一些性质,和分位数回归模型及其推论方面。我们继续进行蒙特卡罗模拟研究,考虑极大似然估计的性能评估和两个残差的经验分布的分析。蒙特卡罗结果表明,两种模型均满足预期结果。我们将建议的分位数回归模型应用于智利国家统计局提供的家庭收入数据集。我们表明,这两个模型都有很好的性能,无论是在模型拟合。因此,我们的结论是,结果是有利的Singh-Maddala和Dagum分位数回归模型的使用正的非对称数据,如收入数据。
2022-07-13 econ.EM stat.ME
Composite Lp-quantile regression, near quantile regression and the oracle model selection theory
School of Mathematics and Statistics, Sichuan University of Science & Engineering(四川理工学院数学与统计学院)
本文提出复合Lp分位数回归和近分位数回归方法,通过改进算法提升高维分位数回归的效率与准确性。
2026-03-04 math.ST stat.TH
Bayesian Quantile Regression for Longitudinal Count Data
本研究针对纵向计数数据分析需求,提出采用人工平滑与非对称拉普拉斯分布正态-指数混合表示的贝叶斯分位数回归框架,推导了高效Gibbs采样算法,经模拟和神经学应用验证了其实用性。
2022-04-05 stat.AP stat.CO stat.ME
Bayesian Quantile Regression for Ordinal Longitudinal Data
自Koenker和Bassett(1978)的开创性工作以来,分位数回归模型及其应用在许多领域的研究中变得越来越受欢迎和重要。本文提出了一个随机效应有序分位数回归模型,用于分析具有有序结果的纵向数据。基于偏态双指数分布的位置-尺度混合表示,推导了一种有效的吉布斯抽样算法。所提出的方法说明使用模拟数据和真实数据的例子。这是第一个工作,讨论分位数回归分析的纵向数据与有序的结果。
2016-02-27 stat.CO
Quantile balancing inverse probability weighting for non-probability samples
针对非概率样本偏倚且代表性不足的问题,提出 QBIPW 估计量,利用分位数信息平衡辅助变量,并验证其稳健性与实际应用价值。
2025-01-09 stat.AP stat.ME
A Methodology for Robust Multiproxy Paleoclimate Reconstructions and Modeling of Temperature Conditional Quantiles
在根据将温度与温度敏感的古气候代用指标联系起来的模型重建过去温度方面取得了很大进展。这种重建的目标之一是评估当前气候在千年背景下是否异常。这些基于回归的方法将温度分布的条件平均值建模为古气候代理的函数(反之亦然)。该领域最近的一些焦点考虑了有助于减少此类统计古气候重建中固有的不确定性的方法,最终目标是提高此类努力的信心。该主题领域的第二个重要科学焦点是代理的正演模型领域,其目标是了解温度和其他环境变量驱动古气候代理的方式。在本文中,我们介绍了新的统计方法学(1)分位数回归与自回归残差结构,(2)估计相应的模型参数,(3)发展一个严格的框架,指定的不确定性估计的数量感兴趣,产生(4)统计副产品,解决上述两个科学焦点。我们的统计方法学证明产生一个更强大的重建比可能通过使用条件均值拟合方法。我们的重建分享了过去重建的一些共同特征,但也获得了有用的见解。更重要的是,我们能够证明一个显着较小的不确定性比以前的回归方法。此外,分位数回归组件允许我们以比最小二乘法更完整和灵活的方式对给定代理的温度的条件分布进行建模。这种关系可以用来通知有关代理如何由温度驱动的前向模型。
2013-08-27 stat.ME
A Semiparametric Quantile Single-Index Model for Zero-Inflated Outcomes
针对微生物组零膨胀数据,提出半参数单指数分位数回归模型,放宽参数假设,适应零比例变化,并证明其拟合性能优越。
2025-03-27 stat.AP stat.ME
A Generative High Quantile Homogeneity Test Using Bahadur Representation for Heteroskedastic High Quantile Regression of Tail Dependent Time Series
Tsinghua University(清华大学);University of Georgia(佐治亚大学)
本文提出一种生成高分位数同质性检验方法,用于检验解释变量对响应变量不同高分位数的影响是否一致,通过Bahadur表示理论解决非线性高分位数回归估计问题。
2026-05-11 math.ST stat.TH
A method for calculating quantile function and its further use for data fitting
本文介绍了一种基于韦布尔分布的多项式变换模型,由此可以得到多种概率分布的分位数函数的解析表示。首先,将具有指定分布的目标随机变量$x$表示为威布尔随机变量$z$的多项式,利用百分位匹配法方便地确定系数。然后,用$z$的分位数函数$z=λ[-ln(1-u)]^{1/k}$代替$z$,给出了$x$的分位数函数的解析表达式。此外,利用概率加权矩匹配方法,该多项式变换模型可用于数据拟合。数值实验表明,该模型能够处理一些现有方法难以处理的接近二项分布的情况,并且在概率单位范围$[10^{-4},1-10^{-4}]$内对各种分布的分位数函数进行了精确的逼近.
2015-08-25 stat.ME
Fair quantile regression
Yale University(耶鲁大学)
分位数回归是一种学习条件分布的工具。在本文中,我们研究了分位数回归的设置时,一个受保护的属性是不可用的模型拟合。这可能导致“不公平”的分位数估计量,其有效分位数对于受保护属性定义的子总体非常不同。我们提出了一个程序,用于调整估计的holdout样本的保护属性是可用的。本文的主要结果是一个经验过程分析表明,调整导致一个公平的估计,目标分位数被带入平衡,在统计意义上,我们称之为$\sqrt{n}$ -公平。我们说明的想法和调整程序的数据集的200,000活产婴儿,其目标是描述的依赖性的婴儿出生体重的人口统计属性的生母;受保护的属性是母亲的种族。
2019-07-19 cs.LG math.ST stat.ML
Noncrossing simultaneous Bayesian quantile curve fitting
贝叶斯同时估计非参数分位数曲线是一个具有挑战性的问题,需要一个灵活和强大的数据模型,同时满足单调性或非交叉约束的分位数。本文介绍了金字塔分位数回归方法在样条回归中的应用。在高维问题中,金字塔位置的选择对于稳健的参数估计变得至关重要。在这项工作中,我们推导出最佳的{金字塔的位置,然后允许我们提出一个有效的}自适应块更新MCMC计划的后验计算。仿真研究表明,所提出的方法提供了显着更小的误差和更好的经验覆盖概率相比,现有的替代方法的估计。我们用三个实际应用说明了该方法。
2017-11-26 stat.ME
Accounting for Mismatch Error in Small Area Estimation with Linked Data
本文针对链接数据中存在链接误差的小区域估计问题,提出了基于线性混合效应模型和 M-quantile 回归的调整后小区域预测器及均方误差近似,并利用双分量混合模型与复合似然进行推断,通过模拟验证了其有效性。
2024-05-30 stat.ME
Local Quantile Regression
分位数回归是一种估计条件分位数曲线的技术。它提供了一个全面的图片的反应取决于解释变量。在灵活的建模框架中,条件分位数曲线的特定形式不是先验固定的。事实上,大多数应用程序本身并不需要特定的函数形式。这激发了局部参数而不是全局固定模型拟合方法。条件分位数曲线的非参数光滑估计需要在局部曲率和随机变异性之间取得平衡。在本文中,我们提出了一个本地模型选择技术,提供了一个自适应估计的条件分位数回归曲线在每个设计点。理论结果表明,所提出的自适应过程执行良好的预言,这将最大限度地减少当地的估计风险的问题。我们说明了一个广泛的模拟研究的过程中的性能,并考虑了几个应用程序:香港股市的尾部相关性分析和温度动态的风险因素的分布分析。
2012-08-30 math.ST stat.TH
Diagnostics for categorical response models based on quantile residuals and distance measures
针对多项分类响应模型诊断中残差维数高且分布未知的问题,本文提出结合随机化分位数残差与欧氏、马氏距离度量的降维诊断方法,并通过模拟和实际数据验证其有效性。
2023-07-06 q-bio.QM stat.ME
Decentralized Quantile Regression for Feature-Distributed Massive Datasets with Privacy Guarantees
本文提出去中心化代理梯度算法 DSG-cqr,用于特征分布式分位数回归,采用卷积平滑处理非光滑损失,实现线性收敛并保障差分隐私,通过模拟和真实数据验证有效性。
2025-04-23 stat.CO
Optimal use of auxiliary information : information geometry and empirical process
我们把有限期望集合中的辅助信息以最优信息几何的方式引入到经验测度中。这允许统一利用边信息的几种方法,并唯一地定义知情的经验测量。这些方法被证明共享相同的渐近性质。然后研究了真实信息下的知情经验过程。在最小假设条件下,建立了经验测度的Glivenko-Cantelli和Donsker定理,并量化了渐近一致方差缩减.此外,我们证明了知情的经验过程比经典的经验过程更集中的所有大$n$。最后,作为方差减少的一个例子,我们将其中一些结果应用于知情的经验分位数。
2021-07-01 math.ST stat.TH
An Exact Pointwise Characterization for Total Variation Denoising in Quantile Regression
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
本文通过推导分位数总变分去噪估计器的精确minmax/maxmin表示,提供了其解集的完整点wise描述,并揭示了其结构特性及在分位数水平上的非交叉性。
2026-05-02 math.ST stat.TH
Semiparametric empirical likelihood inference with estimating equations under density ratio models
密度比模型(DRM)为组合来自多信源的信息提供了一个灵活而有用的平台。在本文中,我们考虑的统计推断下的两个样本DRM的额外的参数定义通过和/或额外的辅助信息表示为估计方程。研究了DRMs中未知参数的最大经验似然估计(MELE)的渐近性质,并建立了经验似然比(ELR)统计量的卡方极限分布.我们表明,渐近方差的MELE的未知参数不减少,如果一个估计方程下降。获得类似的性质的推断的累积分布函数和分位数的每个涉及的人口。我们还提出了一个ELR测试的有效性和有用性的辅助信息。仿真研究表明,正确指定的估计方程的辅助信息的结果更有效的估计和更短的置信区间。两个真实数据的例子被用来说明。
2021-02-25 math.ST stat.ME stat.TH
Asgl: A Python Package for Penalized Linear and Quantile Regression
University of Columbia(哥伦比亚大学);uc3m-Santander Big Data Institute(uc3m-桑坦德大数据研究所);Universitat Politècnica de València(瓦伦西亚理工大学);Universidad Carlos III de Madrid(马德里卡洛斯三世大学)
Asgl是用于惩罚线性和分位数回归的Python包,实现多种惩罚技术,支持自适应惩罚,提供惩罚分位数回归功能,通过主要类Regressor与scikit-learn集成,在变量选择和预测任务中实用,是现代统计建模的综合工具。
2026-07-14 stat.CO
Embedded Multilevel Regression and Poststratification: Model-based Inference with Incomplete Auxiliary Information
针对MRP依赖辅助变量联合分布的限制,提出嵌入式MRP(EMRP)方法,在贝叶斯框架下生成合成总体并传播不确定性,模拟和实证表明其优于经典MRP及替代方法。
2023-06-23 stat.ME
A comparison of methods for modeling marginal non-zero daily rainfall across the Australian continent
Naveau等人(2016)最近开发了一类基于极值理论(EVT)的方法,用于同时捕获低,中等和强降雨,而无需选择EVT方法的典型阈值。我们分析Naveau等人的性能。的方法,以及混合物的Γ分布,通过拟合他们的边际非零降雨量从16,968网站横跨澳大利亚大陆,代表了各种各样的降雨模式。通过每种方法的估计分位数和经验分位数的对数比在研究中心之间的分布来评估性能。我们这样做的分位数对应于低,中等和大雨。在此度量下,三个和四个Γ分布的混合物优于Naveau等人的方法,为小和中等降雨量,并提供相当于适合大雨。
2018-04-24 stat.AP
Regression-Adjusted Estimation of Quantile Treatment Effects under Covariate-Adaptive Randomizations
协变量自适应随机化(CAR)田间试验的数据集通常包含额外的协变量,除了层指标。我们建议通过辅助回归将这些额外的协变量纳入CAR下无条件分位数处理效应(QTE)的估计和推断中。我们建立了回归调整QTE估计的相合性和极限分布,并证明了在CAR下使用乘子自助推断是非保守的。当数据是高维的时,辅助回归可以参数化地、非参数化地或通过正则化来估计。即使在辅助回归被错误指定的情况下,所提出的自举推理过程仍然在零值下的极限内达到名义拒绝概率。当正确指定辅助回归时,回归调整估计量达到最小渐近方差。我们还讨论了形式的调整,可以提高效率的QTE估计。有限样本的新的估计和推理方法的性能进行了研究,在模拟和经验应用到一个著名的数据集有关扩大获得基本的银行账户储蓄报告。
2022-09-05 econ.EM stat.ME
Gaussian Copula Models for Nonignorable Missing Data Using Auxiliary Marginal Quantiles
提出基于高斯连接模型与辅助边际分位数的贝叶斯方法,解决不可忽略缺失数据的建模与插补,证明少量分位数可一致估计相关性,并在铅暴露与学业成绩关联分析中验证其优于传统方法。
2024-11-16 stat.AP stat.ME stat.ML
Debiased Machine Learning without Sample-Splitting for Stable Estimators
Stanford University(斯坦福大学);Harvard University(哈佛大学)
对因果参数的估计和推断通常被简化为广义矩估计问题,其涉及对应于回归或分类问题的解决方案的辅助函数。去偏机器学习的最新工作路线显示了如何使用通用机器学习估计器来解决这些辅助问题,同时保持目标参数的渐近正态性和根$n$一致性,同时仅需要辅助估计算法的均方误差保证。文献通常要求将这些辅助问题拟合在单独的样本上或以交叉拟合的方式拟合。我们表明,当这些辅助估计算法满足自然留一稳定性,则样本分裂是不需要的。这允许样品重复使用,这在中等大小的样品方案中可能是有益的。例如,我们表明,我们提出的稳定性是满意的集成袋装估计,建立通过子采样没有替换,在机器学习实践中的一种流行的技术。
2022-11-14 cs.LG econ.EM math.ST
Quantile Forecast Matching with a Bayesian Quantile Gaussian Process Model
University of Connecticut(康涅狄格大学);Iowa State University(爱荷华州立大学)
本文提出分位数高斯过程模型,基于分位数函数理论,在给定估计分位数时构建连续分布,并通过贝叶斯方法实现参数推断与不确定性量化,应用于流感预测数据。
2025-10-09 stat.ME
Group-Conditional Conformal Prediction via Quantile Regression Calibration for Crop and Weed Classification
CNRS(法国国家科学研究中心);University of Bordeaux(波尔多大学);EXXACT Robotics(EXXACT机器人公司);Bordeaux Sciences Agro(波尔多农业科学学院)
本文提出基于分位数回归校准的组条件共形预测方法,用于作物与杂草分类,以弥补边际保证在子群体上的不足,提升模型在农业环境中的统计可靠性。
2023-08-29 cs.CV cs.LG stat.AP
Distributional Learning of Variational AutoEncoder: Application to Synthetic Data Generation
University of Seoul(首尔市立大学)
本文提出用非对称拉普拉斯分布无限混合作为VAE解码器,以突破高斯性假设限制,并建立其与分位估计的理论联系,在合成数据生成中展现出灵活调节数据隐私水平的优势。
2023-10-27 cs.LG stat.ML
Bayesian Quantile Deep Echo State Networks for Nonlinear Time Series
University of California, Santa Cruz(加州大学圣克鲁兹分校)
针对高维非线性时间序列的贝叶斯分位数回归难题,提出基于深度回声状态网络固定特征的Q-DESN模型,采用多种似然与先验,并通过MCMC或变分推断实现,实验证明其能提升有限网格分位数评分。
2026-09-17 stat.ME
The Multiple Quantile Graphical Model
我们引入了多分位数图形模型(MQGM),它扩展了Meinshausen和Buhlmann的邻域选择方法,用于学习稀疏图形模型。后者是由一个变量的条件均值建模为所有其他变量的稀疏函数的基本子问题定义的。我们的方法将一个变量的一组条件分位数建模为所有其他变量的稀疏函数,因此提供了更丰富,更有表现力的条件分布估计类。我们建立,在适当的正则条件下,MQGM确定确切的条件独立性与概率倾向于一个问题的大小的增长,即使在通常的同性高斯数据模型。我们开发了一个有效的算法,使用交替方向的乘法器来拟合MQGM。我们还描述了一种策略,从联合分布的MQGM估计的基础抽样。最后,我们提出了详细的实验,证明的灵活性和有效性的MQGM建模异方差非高斯数据。
2016-10-27 stat.ME
Statistical methods for estimating ecological breakpoints and prediction intervals
生态变量之间的关系通常通过拟合经过因变量条件均值的统计模型来获得。例如,非参数黄土和参数分段线性回归模型,通过给定的预测响应变量的条件平均值,用于分析简单到复杂的变量之间的关系。我们使用黄土和自举置信区间主观识别的数量和潜在的生态断点的位置在一个二元关系,和分段线性回归模型(PLRM)定量估计断点的位置和相关的精度。我们还使用分段线性分位数回归模型(PQRM)估计断点位置和精度,该模型拟合响应变量的条件分布的分位数(给定预测因子),并在估计关系和断点方面提供更丰富的信息。我们比较了PQRM相对于PLRM估计的断点的精度。我们比较了精度的方法,使用两个例子,从生态文献怀疑表现出多个断点:有关鱼类生物完整性指数(湿地的鱼类群落的“健康”指数)的人类活动在湿地附近流域的数量;和有关蓝藻的生物量在加拿大湖泊的总磷浓度。两个数据集均检测到统计学显著的断点,以明显不同的斜率划分三个线段的边界。我们建议分段线性分位数回归作为表征双变量环境关系的有效手段,其中点的散布代表自然环境变化而不是测量误差。
2019-08-19 stat.AP
Robust distribution-free tests for the linear model
本文提出 RobustPALMRT 置换检验框架,在重尾或偏斜噪声下控制有限样本第一类错误,支持稳健回归与分位数回归,并通过分离模型拟合与评估、引入 DispersionPALRMT 检验离散度差异,在 Long-COVID 免疫数据中发现了新差异。
2024-12-31 stat.AP stat.ME
qgam: Bayesian non-parametric quantile regression modelling in R
广义可加模型(GAM)是一种灵活的非线性回归模型,可以使用mgcv R软件包提供的近似贝叶斯方法有效地拟合。虽然mgcv提供的GAM方法是基于响应分布是参数化建模的假设,但在这里,我们讨论更灵活的方法,不需要任何参数假设。特别地,本文介绍了qgam包,它是mgcv的扩展,提供了用于在R中拟合分位数GAM(QGAM)的快速校准贝叶斯方法。QGAM基于Koenker(2005)的弹球损失的平滑版本,而不是基于似然函数,因此,联合实现分位数点估计的令人满意的精度和相应可信区间的覆盖需要采用Fasiolo、Wood、Zaffran、Nedellec和Goude(2020 b)的专门贝叶斯拟合框架。在这里,我们详细介绍了这个框架是如何在qgam中实现的,我们提供了一些例子来说明如何在实践中使用这个包。
2020-07-07 stat.AP stat.CO stat.ME
Nonparametric Maximum Entropy Probability Density Estimation
给定独立同分布的随机变量样本,提出了一种新的非参数最大熵方法来估计潜在的连续单变量密度函数(pdf)。通过基于单顺序统计量的对数似然函数最大化,在通过使用蒙特卡洛随机搜索方法迭代改进的试验累积分布函数序列进行转换之后,找到估计值。通过评估随机变量对采样均匀随机数据的统计特性的改善进行量化。质量是确定使用经验得出的评分函数,是缩放为样本大小不变。评分函数识别非典型波动,针对非典型波动设置阈值以定义客观标准,该客观标准在试验迭代继续改进模型pdf时防止欠拟合,并且在过拟合发生之前停止迭代周期。不需要事先了解数据。pdf模型的集合用于反映由于随机样本中的统计波动而引起的不确定性,并且使用显示与大小不变统计量的偏差的缩放残差分位数图来可视化估计的质量。这些考虑导致一种易于处理的方法,该方法整体地采用随机变量的关键原理及其统计特性,并结合采用正交基函数和数据驱动的自适应算法。基准测试表明,随着样本量的增加,pdf估计值很容易收敛到真实的pdf。几个测试的概率密度,包括不连续性,多分辨率尺度,重尾和奇异性的PDF的情况下,表明了稳健的结果,提出了一个普遍适用的方法统计推断。
2016-06-28 math.PR stat.ME
Empirical Likelihood Meets Prediction-Powered Inference
School of Statistics and Data Science, Nankai University(南开大学统计与数据科学学院)
本文提出了一种结合经验似然与预测驱动推断的方法,通过优化经验似然在联合约束下实现高效估计,减少误差并提升置信区间长度。
2025-12-18 math.ST stat.ME stat.TH
On Bayesian Curve Fitting Via Auxiliary Variables
本文重新讨论Smith和Kohn(1996)中提出的用于拟合节点数未知的P阶样条回归模型的辅助变量法。我们引入修改,允许节点的位置是随机的,我们进一步考虑扩展的方法来处理模型与非高斯误差。我们提供了一个新的算法,MCMC抽样这样的模型。模拟数据的例子是用来比较我们的方法与现有的性能。最后,我们与一些变点问题建立了联系,并展示了如何将它们重新参数化为变量选择设置。
2009-11-11 stat.CO stat.ME
Bayesian Quantile Regression for Partially Linear Additive Models
本文研究了条件分位数回归中部分线性可加模型的半参数贝叶斯估计和模型选择方法。非对称Laplace分布为基于校验损失的分位数回归模型的贝叶斯推断提供了一种机制。这种新方法的优点是,非线性,线性和零函数分量可以自动分离,同时在模型拟合,而无需预先指定或参数调整。这是通过使用两组指标变量的尖峰和厚板先验来实现的。对于后验推理,我们设计了一个有效的部分折叠吉布斯采样器。仿真研究被用来说明我们的算法。所提出的方法进一步说明了两个真实的数据集的应用程序。
2013-07-10 stat.CO stat.ME
Regression Analyses of Distributions using Quantile Functional Regression
放射组学涉及肿瘤图像的研究,以确定解释癌症异质性的定量标志物。主要的方法是提取数百到数千个图像特征,包括由像素强度的边缘分布的摘要组成的直方图特征,这导致多重检验问题,并且可能错过未包含在所选特征中的见解。在本文中,我们提出的方法来模拟整个边缘分布的像素强度通过分位数函数作为功能数据,回归一组人口统计,临床和遗传预测。我们称这种方法为分位数函数回归,在一组协变量的重复测量中回归特定于受试者的边缘分布,使我们能够评估哪些协变量与全局意义上的分布相关,以及识别表征这些差异的分布特征,包括均值,方差,偏度和各种上下分位数。为了解释分位数函数的平滑性,我们引入了自定义的基函数,我们称之为quantlets,它是稀疏的,正则化的,近乎无损的,并且根据经验定义的,适应给定数据集的特征。我们适合这个模型使用贝叶斯框架,使用非线性收缩的quantlet系数正则化的功能回归系数,并提供充分的贝叶斯推断后,拟合马尔可夫链蒙特卡罗。我们通过模拟研究证明了基础空间建模的好处,并将该方法应用于多形性胶质母细胞瘤基于磁共振成像(MRI)的放射组学数据集,将基于成像的分位数函数与人口统计学,临床和遗传预测因子联系起来,发现男性和女性之间以及有和没有DDIT 3突变的肿瘤之间肿瘤像素强度分布的特定差异。
2018-10-04 stat.ME
Quantile Functional Regression using Quantlets
在本文中,我们开发了一个分位数函数回归建模框架,该框架通过分位数函数对来自受试者的一组常见重复观察的分布进行建模,该分位数函数对一组协变量进行回归,以确定这些因素如何影响潜在受试者特定分布的各个方面。为了解释分位数函数的平滑性,我们引入了自定义的基函数,我们称之为\textit{quantlets},它是稀疏的,正则化的,近无损的,并且是经验定义的,适应给定数据集的特征,并且包含高斯子空间,因此可以评估{非高斯性}。虽然这些quantlet可以在各种函数回归框架中使用,但我们构建了一个贝叶斯框架,该框架使用quantlet系数的非线性收缩来正则化函数回归系数,并在拟合马尔可夫链蒙特卡罗后允许完全贝叶斯推断。具体而言,我们应用全局检验来评估哪些协变量对分布有任何影响,然后进行局部检验来确定差异位于哪些特定分位数,同时调整多重检验,并评估协变量是否影响分布的某些主要方面,包括位置,尺度,偏度,高斯性或尾部。如果差异在于这些常用的摘要,我们的方法仍然可以检测到它们,但是我们的系统建模策略也可以检测到对分布的其他方面的影响,如果限制对预先选择的摘要的关注,这些方面可能会被忽略。我们通过模拟研究证明了基础空间建模的好处,并使用生物医学成像数据集说明了该方法,其中我们将肿瘤图像的像素强度分布与各种人口统计学,临床和遗传特征联系起来。
2017-10-31 stat.ME
Bayesian Quantile Regression for Single-Index Models
利用非对称Laplace分布,它提供了一个机制,贝叶斯推断的分位数回归模型,我们开发了一个完全贝叶斯方法来拟合单指标模型的条件分位数回归。在这项工作中,我们使用一个高斯过程事先未知的非参数链接函数和拉普拉斯分布的索引向量,与后者的动机最近流行的贝叶斯套索的想法。我们设计了一个用于后验推理的马尔可夫链蒙特卡罗算法。仔细考虑核矩阵的奇异性,以及一些完整的条件分布的易处理性,导致部分折叠的方法,其中非参数连接函数在一些采样步骤中被整合出来。我们的模拟表明,贝叶斯方法与频率论方法的优越性能。该方法进一步说明了飓风数据的应用程序。
2011-12-30 stat.CO stat.ME
Boosting Functional Regression Models with FDboost
R插件包FDboost是一个灵活的工具箱,用于通过基于模型的boosting估计函数回归模型。它提供了用标量和功能协变量的影响拟合标量和功能反应的回归模型的可能性,即,标量对函数、函数对标量和函数对函数回归模型。除了均值回归,分位数回归模型以及位置尺度和形状的广义可加模型也可以用FDboost拟合。此外,boosting可以用于具有比观测值更多协变量的高维数据设置。我们提供了一个关于模型拟合和调整的实践教程,包括结果的可视化。标量函数回归的方法说明与光谱数据的化石燃料和功能反应回归的数据集,包括生物电信号的情绪发作。
2018-04-26 stat.CO
Model-assisted sensitivity analysis for treatment effects under unmeasured confounding via regularized calibrated estimation
考虑使用敏感性分析估计未测量混杂情况下的平均处理效应,假设满足边际敏感性模型。在人口水平上,我们提供了新的表示尖锐的人口界和双重强大的估计功能,最近来自多恩,郭和Kallus。我们还根据加权线性结果分位数回归推导出新的、宽松的种群界限。在样本水平上,我们开发了新的方法和理论,不仅获得双重稳健的点估计的放松人口界相对于误指定的倾向得分模型或结果均值回归模型,但也模型辅助的置信区间是有效的,如果正确指定的倾向得分模型,但结果分位数和均值回归模型可能被误指定。如果正确指定了结果分位数回归,则放松的总体边界减少到锐边界。对于线性结果均值回归模型,置信区间也具有双重稳健性。我们的方法涉及正则化校准估计,Lasso惩罚,但精心选择的损失函数,拟合倾向得分和结果的平均值和分位数回归模型。我们提出了一个模拟研究和实证应用的观察性研究的影响,右心导管插入术。
2022-09-23 stat.ME
Conditional Density Estimation with Neural Networks: Best Practices and Benchmarks
Karlsruhe Institute of Technology (KIT)(卡尔斯鲁厄理工学院(KIT))
给定一组经验观测,条件密度估计旨在通过对条件变量$\mathbf{x}$和因变量$\mathbf{y}$的条件概率$p(\mathbf{y}|\mathbf{x})$建模来捕获它们之间的统计关系。本文基于数学见解和经验评估,为神经网络的金融应用开发了条件密度估计的最佳实践。特别是,我们引入了一个噪声正则化和数据归一化方案,减轻了过拟合,初始化和超参数敏感性等估计的问题。我们将我们提出的方法与流行的半参数和非参数密度估计进行比较,在模拟和Euro Stoxx 50数据的各种基准测试中证实了其有效性,并显示出其优越的性能。我们的方法允许获得高质量的估计更高的时刻,分位数和非线性回报转换的统计预期,对回报动态的假设很少。
2019-04-13 cs.LG q-fin.CP q-fin.ST