iLBA: An R package for confidentially disseminating aggregated frequency tables
Seoul National University(首尔大学);University of Michigan(密歇根大学);Statistics Korea(韩国统计厅);Sookmyung Women’s University(淑明女子大学)
iLBA包通过结合细粒度频数调整与可控模糊性聚合,实现对汇总频数表的保密发布,提升微数据表格的可重用性与效率。
2026-04-06 stat.CO
DRHotNet: An R package for detecting differential risk hotspots on a linear network
空间数据分析最常见的应用之一是检测区域,在一定的调查水平,在研究中的点参考事件特别集中。这类区域通常被称为热点,其检测在诸如犯罪学、流行病学或交通安全的某些领域中是必不可少的。传统上,热点检测程序已经在分析的面积单位上开发。虽然在这个空间尺度上工作对于许多研究或实际目的可能足够合适,但是在更准确的级别(例如,在路段级别)检测热点有时可能更方便。此外,典型的是,热点检测过程完全集中于确定事件(总体上)高度集中的区域。到目前为止,这种程序很少优先确定某一特定类型的事件相对于观察到的其他类型事件过多的区域的位置,这些区域被称为不同的风险热点。R软件包DRHotNet提供了几个功能,以便于沿着线性网络检测差异风险热点。本文描述了DRHotNet,并通过对犯罪数据集的详细分析展示了其在R控制台中的使用。
2019-11-18 stat.AP stat.CO stat.ME
PanelPRO: A R package for multi-syndrome, multi-gene risk modeling for individuals with a family history of cancer
识别由于遗传性生殖系突变而处于癌症高风险的个体对于有效实施个性化预防策略至关重要。大多数现有的识别这些个体的模型通过包括少数癌症的家族和个人病史来关注特定的综合征。最近来自多基因面板测试的证据表明,许多曾经被认为是不同的综合征是重叠的,这促使开发了一些模型,这些模型将几种癌症的家族史信息结合起来,并预测更全面的基因面板的突变。这类模型曾经是孟德尔风险预测模型,它使用家族史信息和孟德尔遗传定律来估计携带基因突变的可能性,以及未来发生相关癌症的风险。为了灵活地模拟许多癌症突变关联的复杂性,我们提出了一种名为PanelPRO的新软件工具,这是一种R软件包,它将以前开发的BayesMendel R软件包扩展到用户选择的易感基因和相关癌症列表。该模型识别出携带癌症易感基因突变风险增加的个体,并预测未来发生与这些基因相关的遗传性癌症的风险。其他功能可根据预防性干预措施、已知的基因检测结果以及种族和血统等风险修正因素进行调整。该软件包附带一个可定制的数据库,其中包含根据已发表研究估计的默认参数值。PanelPRO软件包是开源的,为使用系谱数据进行多基因、多癌症风险建模提供了快速灵活的后端。该软件能够识别高风险个体,这将对癌症的个性化预防策略和基因检测的个性化决策产生影响。
2020-10-25 stat.AP
ouladFormat R package: Preparing the Open University Learning Analytics Dataset for analysis
本文介绍了R软件包ouladFormat,它可加载并格式化开放大学学习分析数据集OULAD,简化教育数据预处理流程,还通过两个案例展示其应用,提升了数据集的可及性与教育研究的可复现性、可比性。
2025-01-16 stat.CO
The Model Confidence Set package for R
本文介绍了R包MCS,它实现了Hansen等人(2011)最近开发的模型置信集(MCS)过程。汉森的程序包括一系列的测试,允许构建一组“优越”的模型,其中的原假设的相等的预测能力(EPA)不拒绝在一定的置信水平。EPA统计测试是针对任意损失函数计算的,这意味着我们可以在各个方面测试模型,例如准时预测。该软件包的相关性使用一个例子,旨在详细说明使用该软件包提供的功能。该示例比较了属于该家族的不同模型预测大型财务损失的能力。我们还讨论了使用Ghalanos(2014)开发的流行R包rugarch实现的类模型及其极大似然估计。
2014-10-30 q-fin.ST stat.CO
TwoTimeScales: An R-package for Smoothing Hazards with Two Time Scales
Max Planck Institute for Demographic Research(马克斯·普朗克人口研究研究所);Leiden University Medical Center(莱顿大学医学中心);Erasmus University Medical Center(伊拉斯谟斯大学医学中心)
本文介绍了一个R软件包TwoTimeScales,用于拟合具有双时间尺度的灵活危险模型,通过双维度平滑技术实现对多时间尺度时间到事件数据的分析。
2026-03-13 stat.CO stat.ME
The R package LSJM for fitting location-scale joint models for a longitudinal marker and complex survival data
Univ. Bordeaux(波尔多大学);INSERM U1219;Bordeaux Population Health(波尔多人群健康)
LSJM R包基于位置-尺度混合模型和联合模型理论,拟合纵向标记与复杂生存数据(含竞争风险、半竞争风险及区间删失)的联合模型,提供灵活相关结构、严格收敛估计及拟合后分析功能。
2026-10-06 stat.CO stat.ME
Introducing 'inrep': an R package that facilitates fully reproducible research workfows for survey-based assessments
本文介绍开源R包inrep,它整合调查评估全流程,支持定制评估、数据管理和个性化报告,并内置引导大语言模型的功能,以提升效率、可靠性和可重复性。
2025-08-08 stat.CO
CaseCohortCoxSurvival: an R Package for Case-Cohort Inference for Relative Hazard and Pure Risk under the Cox Model
本文介绍了R包CaseCohortCoxSurvival,用于在Cox模型下进行病例-队列数据的相对风险和纯风险推断,支持分层、权重校准及缺失数据处理,解决了现有方法中方差估计不当和软件缺乏的问题。
2024-02-13 stat.AP
COMBO and COMMA: R packages for regression modeling and inference in the presence of misclassified binary mediator or outcome variables
针对二元结果或中介变量误分类导致的参数估计偏差问题,本文推出COMBO和COMMA两个R包,提供无需金标准的似然基偏差校正方法,支持标签切换校正,并通过多个实际研究场景验证了其应用效果。
2025-01-14 stat.CO stat.OT
Sensitivity and robustness analysis in Bayesian networks with the bnmonitor R package
IE University(IE大学);Università di Bologna(博洛尼亚大学);Tesserwell, LLC(Tesserwell有限责任公司)
贝叶斯网络是一类广泛用于复杂操作系统风险评估的模型。现在有多种方法,以及实现的软件,通过数据学习或专家启发来指导它们的构建。然而,一个构建的贝叶斯网络需要验证之前,它可以用于实际的风险评估。在这里,我们举例说明了bnmonitor R包的用法:第一个用于贝叶斯网络验证的综合软件。使用bnmonitor的应用数据分析进行了医疗数据集,以说明其广泛的功能的使用。
2021-07-25 cs.AI stat.ME
GEMAct: a Python package for non-life (re)insurance modeling
本文介绍了基于集体风险模型的精算 Python 包 gemact,新增多种概率分布并实现 AEP 算法以计算相关随机变量和的分布,支持风险定价、转移、聚合与准备金等非寿险应用。
2023-11-20 stat.AP
Alzheimer's Clinical Research Data via R Packages: the alzverse
Alzheimer's Therapeutic Research Institute, University of Southern California(阿尔茨海默病治疗研究所,南加州大学)
针对阿尔茨海默病临床研究数据共享的多重挑战,研究团队推出A4LEARN、ADNIMERGE2等R数据包及整合工具alzverse,以标准化方式打包数据与分析脚本,提升研究可重复性与协作效率。
2025-09-18 stat.AP stat.CO
Shrinkage in the Time-Varying Parameter Model Framework Using the R Package shrinkTVP
时变参数(TVP)模型被广泛应用于时间序列分析中,以灵活地处理随时间逐渐变化的过程。然而,TVP模型中过拟合的风险是众所周知的。这个问题可以使用适当的全局-局部收缩先验来处理,它将时变参数拉向静态参数。在本文中,我们介绍了R包shrinkTVP(Knaus,Bitto-Nemling,Cadonna和Frühth-Schnatter 2019),它提供了TVP模型收缩先验的完全贝叶斯实现,利用了文献中的最新发展,特别是Bitto和Frühth-Schnatter(2019)。该软件包shrinkTVP允许通过一个有效的马尔可夫链蒙特卡罗(MCMC)计划的参数后模拟。此外,总结和可视化方法,以及通过日志预测密度分数(LPDS)评估预测性能的可能性,提供。计算密集型任务已在C++中实现,并与R接口。该文件包括一个简短的概述的模型和收缩先验包中实现。此外,核心功能的说明,无论是模拟和真实的数据。
2020-11-24 econ.EM stat.CO
metamedian: An R package for meta-analyzing studies reporting medians
本文介绍了metamedian R包,这是一个免费开源的软件工具,用于对报告样本中位数的主要研究进行荟萃分析,填补了该领域缺乏综合性软件工具的空白。
2023-02-28 stat.CO stat.ME
Target Trial Emulation with the R Package TTE: A Tutorial and Methodological Guide
The Institute of Statistical Mathematics(统计数学研究所);The Graduate University for Advanced Studies, SOKENDAI(高级研究大学院大学)
本文介绍用于目标试验模拟的R包TTE,阐述其方法与技术细节,通过两个合成示例展示其在对比不同药物治疗结局中的应用,为相关分析提供实用指南。
2026-08-31 stat.AP stat.CO stat.ME
Survival Data Simulation With the R Package rsurv
本文提出用于通用生存数据模拟的 R 包 rsurv,支持多种回归模型与无限基线分布,并可通过 R 公式灵活指定线性预测变量,生成含删失、治愈比例、随机效应及竞争风险等复杂结构的生存数据。
2024-06-03 stat.CO stat.ME
SCoRES: An R Package for Simultaneous Confidence Region Estimates
Emory University(埃默里大学);University of California San Diego(加州大学圣地亚哥分校)
针对现有逆域估计方法假设严苛、阈值难定的问题,本文推出实现Ren等人2024年提出的非渐近多水平同时置信集方法的SCoRES R包,支持多类数据的置信带构建与可视化,通过示例验证其适用性。
2025-11-15 stat.CO stat.ME
SUrvival Control Chart EStimation Software in R: the success package
本文介绍 R 包 success,用于为生存数据构建风险调整控制图,并提供参数确定及静态、交互式可视化功能。
2024-06-18 stat.AP stat.ME
R packages for the statistical analysis of doubly truncated data: a review
随机双截断是指只有当感兴趣的变量落在两个随机限值内时才能观察到的情况。这种现象发生在生存分析和流行病学等许多领域的许多应用中。有几个R软件包用于分析双截尾数据,例如,累积分布的估计值,竞争风险的累积发生率,或Cox模型中的回归系数。在本文中,这些软件包的主要特点进行审查。通过对模拟数据和实际数据的分析,说明了这些库的相对优点。这包括研究所实施的技术的统计准确性以及它们的计算速度。提出了切实可行的建议。
2020-04-19 stat.ME
merlin: An R package for Mixed Effects Regression for Linear, Nonlinear and User-defined models
R包merlin对分层多结果数据执行灵活的联合建模。多个纵向生物标志物测量值、可能删失的至事件发生时间结局和基线特征越来越多地可用。然而,允许将所有这些信息合并到一个模型中的软件有限。在本文中,我们提出了梅林模型,它允许无限数量的连续,二进制,计数和时间到事件的结果,无限水平的嵌套随机效应的估计。为了以生物学上合理的方式将不同的结果联系起来,有各种各样的联系函数,包括期望值、梯度和共享随机效应。附带的predict.merlin函数允许从最复杂的模型中进行个体和群体水平的预测。可以选择指定用户定义的族,这使得merlin成为方法研究的理想选择。merlin的灵活性说明了一个例子,在心脏瓣膜置换术后随访的患者,开始与线性模型,并完成与联合多纵向和竞争风险生存模型。
2020-07-28 stat.AP stat.CO stat.ME
Discrete-time Competing-Risks Regression with or without Penalization
本文提出一种离散时间竞争风险生存分析的新估计方法,可无缝结合正则化回归与特征筛选,并通过模拟和重症监护病房住院时长实例验证其有效性。
2025-02-05 stat.ME stat.ML
DBKGrad: An R Package for Mortality Rates Graduation by Fixed and Adaptive Discrete Beta Kernel Techniques
核平滑是死亡率分级的一种有用方法。虽然有几个选项进行统计软件包中的内核平滑,有很少的贡献,到目前为止,这些技术的毕业背景下的应用程序集中。此外,尽管已经表明,基于暴露于死亡风险的人提供的进一步信息,使用可变或自适应平滑参数提供了额外的益处,但基本上不存在用于这种方法的特定计算工具。此外,很少注意在现有软件中提供方法,以便随后对分级死亡率进行任何分析。为了方便现场分析,引入了R包DBKGrad。在现有的内核方法,它认为最近的离散β内核估计,在其固定和自适应的变种。在这种方法中,边界偏差自动减少,年龄被务实地认为是一个离散变量。带宽,固定或自适应,允许由用户手动给定或通过交叉验证选择。还提供了每个考虑年龄的逐点置信区间。还介绍了2008年西西里地区(意大利)死亡率的应用,以说明该软件包的使用情况。
2012-11-06 stat.AP stat.CO stat.ME
ROCnReg: An R Package for Receiver Operating Characteristic Curve Inference with and without Covariate Information
受试者工作特征(ROC)曲线是最常用的工具,用于评估在区分两种替代疾病状态(例如,患病和未患病)时在连续标度上测量的诊断测试/生物标志物的区分能力。在某些情况下,测试的性能和它的区分能力可能会有所不同,根据受试者的具体特点或不同的测试设置。在这种情况下,需要特定于信息的准确性测量,例如协变量特定和协变量调整的ROC曲线,因为忽略协变量信息可能会导致偏倚或错误的结果。本文介绍了R软件包ROCnReg,它允许通过不同的方法,从(半)参数和非参数的角度以及贝叶斯和频率主义范式估计合并(未调整)ROC曲线,协变量特定ROC曲线和协变量调整的ROC曲线。从估计的ROC曲线(合并的、协变量特异性的或协变量调整的),可以获得几个准确性的汇总测量,例如ROC曲线下的(部分)面积和Youden指数。该软件包还提供了使用几个标准(即,约登指数标准和为假阳性分数设置目标值的标准)来获得基于ROC的最佳阈值的功能。对于贝叶斯方法,我们提供了通过后验预测检查评估模型拟合的工具,而模型选择可以通过几个信息标准进行。为所有方法提供数值和图形输出。该软件包是通过内分泌研究的数据分析,其目的是评估身体质量指数的能力,以检测是否存在心血管疾病的风险因素。该软件包可在https://CRAN.R-project.org/package=ROCnReg上从CRAN获得。
2021-03-19 stat.AP stat.CO stat.ME
PySS3: A Python package implementing a novel text classifier with visualization tools for Explainable AI
Universidad Nacional de San Luis(圣路易斯国立大学);Consejo Nacional de Investigaciones Científicas y Técnicas(国家科学技术研究委员会);Instituto Nacional de Astrofísica, Óptica y Electrónica(国家天体物理、光学和电子研究所)
最近推出的文本分类器,称为SS3,已获得国家的最先进的性能CLEF的eRisk任务。SS3是为了处理文本流上的风险检测而创建的,因此,它不仅支持增量训练和分类,还可以直观地解释其原理。然而,很少有人注意到SS3作为通用分类器的潜在用途。我们认为这可能是由于SS3的开源实现不可用。在这项工作中,我们介绍了PySS3,一个实现SS3的软件包,还附带了可视化工具,允许研究人员部署强大的,可解释的,可靠的机器学习模型进行文本分类。
2020-07-18 cs.AI cs.IR cs.LG
SelectionBias: An R Package for Bounding Selection Bias in Causal Estimands
本文介绍R包SelectionBias,用于计算因果风险比和风险差异的选择偏倚界限,包含多种界限方法,并通过模拟数据示例展示其应用及与EValue包的比较。
2026-09-28 stat.ME
RandALO: Out-of-sample risk estimation in no time flat
Department of Electrical Engineering, Stanford University(电气工程系,斯坦福大学);Department of Statistics, Stanford University(统计学系,斯坦福大学)
提出随机近似留一法(RandALO)风险估计器,在高维下一致且比K折CV计算更便宜,附Python包。
2025-04-25 cs.LG math.OC math.ST
Lambert W random variables - a new family of generalized skewed distributions with applications to risk estimation
从系统理论和输入/输出的角度出发,引入一类新的广义函数。参数非线性变换将随机变量$X$转换为所谓的Lambert $W$随机变量$Y$,这允许非常灵活的方法来对偏斜数据进行建模。其形状取决于$X$的形状和偏度参数$γ$。特别地,对于对称$X$和非零$γ$,输出$Y$是偏斜的。其分布和密度函数是其输入对应物的特定变体。极大似然和矩估计方法,并模拟表明,在对称的情况下,额外的估计$γ$不影响其他参数估计的质量。在金融和生物医学中的应用显示了这类分布的相关性,这对于稍微倾斜的数据特别有用。Lambert $W$框架的一个实际副作用是:数据可以“不偏斜”。“作者开发的$R$包http://cran.r-project.org/web/packages/LambertWLambertW已公开发布(http://cran.r-project.orgCRAN)。
2011-11-25 stat.AP stat.ME
MR.RGM: An R Package for Fitting Bayesian Multivariate Bidirectional Mendelian Randomization Networks
Department of Statistics, Texas A&M University(德克萨斯农工大学统计系)
本文开发了开源R包MR.RGM,基于贝叶斯互逆图模型实现多变量双向孟德尔随机化,克服传统方法仅考虑单一暴露-结果对的局限,构建包含循环/互逆因果的整体因果网络,为复杂生物系统提供全面理解。
2024-10-23 stat.AP
Regression Trees for Cumulative Incidence Functions
在过去的十年中,使用累积发生率函数来表征一种类型的事件在其他事件存在下的风险变得越来越流行。建模,估计和推理的问题已经处理使用参数,非参数和半参数的方法。开发机器学习方法的适当扩展的努力,例如回归树和相关的集成方法,最近才开始。在本文中,我们开发了一种新的方法来建立回归树估计累积发病率曲线在竞争风险设置。所提出的方法采用增强估计的Brier得分的风险作为主要的基础上建设和修剪树木。所提出的方法很容易使用R统计软件包实现。仿真研究表明,我们的方法在竞争风险设置的效用。来自放射治疗肿瘤组(试验9410)的数据用于说明这些新方法。
2020-11-13 stat.ME stat.ML
Bayesian Estimation of Attribute Disclosure Risks in Synthetic Data with the $\texttt{AttributeRiskCalculation}$ R Package
合成数据在许多情况下都是一种很有前途的隐私保护方法。贝叶斯合成模型,也称为合成器,模拟敏感变量的后验预测分布的合成值。然后,可以发布由此产生的合成数据来代替机密数据。合成数据发布前的一个重要评估是其隐私保护水平,通常以披露风险评估的形式进行。属性泄露是指入侵者正确推断合成记录的机密值,是一种具有挑战性的计算评估的泄露类型。本文以常用的贝叶斯综合器为例,详细回顾和讨论了属性信息披露风险评估的贝叶斯估计方法。我们创建的$\texttt{AttributeRiskCalculation}$ R包,以促进其实施,并证明其功能的例子,评估属性披露风险的合成样本的消费者支出调查。
2021-03-17 stat.CO stat.ME
concrete: Targeted Estimation of Survival and Competing Risks in Continuous Time
本研究推出R包concrete,实现连续时间下原因特异性绝对风险的靶向最大似然估计,结合交叉验证Super Learner集成模型,支持因果推断与同时置信带计算,并在PBC数据集上验证了工具可用性。
2025-03-21 stat.CO
Bayesian inference for case-control point pattern data in spatial epidemiology with the \texttt{inlabru} R package
本研究针对空间流行病学中的病例-对照点模式数据分析问题,提出基于inlabru R包和INLA方法的贝叶斯分析框架,可评估空间风险变异、风险因素及污染源效应,经Chorley-Ribble数据集验证结果与文献一致。
2025-03-19 stat.CO stat.ME
Restricted mean time lost for survival and competing risks data using mets in R
University of Copenhagen(哥本哈根大学);Novo Nordisk A/S(诺和诺德公司)
本文介绍mets R包中用于计算限制平均生存时间(RMST)和限制平均时间损失(RMTL)的非参数和回归估计方法,包括特定原因导致的RMTL,并提供影响函数以实现标准误差计算和复杂统计推断。
2026-05-28 stat.CO stat.ME
Efficient Implementation of a Semiparametric Joint Model for Multivariate Longitudinal Biomarkers and Competing Risks Time-to-Event Data
针对大规模多元纵向生物标志物与竞争风险数据,本文在EM框架中结合正态近似和定制线性扫描算法,提出高效半参数联合模型,并通过模拟、PBC数据应用及R包FastJM验证其可扩展性与准确性。
2025-06-15 stat.CO stat.ME