hyreg2: An R package to Estimate Latent Classes on a Mixture of Continuous and Dichotomous Data
Bielefeld University（比勒费尔德大学）；Akershus University Hospital（阿克斯胡斯大学医院）
提出hyreg2 R包，基于联合似然方法估计混合结果类型的潜在类别模型，支持连续和二分类数据，使用EM算法实现，并提供用户友好接口。
2026-06-16 stat.AP stat.ME
Bayesian Model Selection with Latent Group-Based Effects and Variances with the R Package slgf
本文介绍 R 包 slgf，通过贝叶斯模型选择检测分类预测变量中的潜在分组、回归效应、交互作用及异方差，并在多种 ANOVA/ANCOVA 布局中展示其优势。
2024-04-10 stat.ME
MultiLCIRT: An R package for multidimensional latent class item response models
我们举例说明了一类项目反应理论（IRT）模型的二进制和序数polythomous项目，我们描述了一个R包处理这些模型，这是命名为MultiLCIRT。该模型扩展了传统的IRT模型，允许（i）多维性和（ii）潜在特质的离散性。这类模型也允许不同的参数化的条件分布的潜在性状的响应变量，这取决于类型的链接函数和约束施加在歧视和困难的项目参数。我们说明了如何建议类的模型可以估计通过期望最大化算法，这是在MultiLCIRT包中实现的最大似然法，我们详细讨论了有关的问题模型选择。为了说明这个包，我们分析了两个数据集：一个关于二进制项目，并提到了数学能力的测量，另一个来自管理的序数多项项目的焦虑和抑郁的评估。在第一个应用程序中，我们说明了如何通过基于模型的层次聚类程序，这是在建议的包中实现的同质组中的聚合项目。在第二个应用程序中，我们描述了在我们的IRT模型类中选择最适合的特定模型的步骤。
2012-10-18 stat.AP stat.CO
GGLasso -- a Python package for General Graphical Lasso computation
我们介绍GGLasso，一个用于解决一般图形套索问题的Python软件包。由（Friedman 2007）（另见（Yuan 2007; Banerjee 2008））引入的图形套索方案从多变量高斯数据$\mathcal{X} \sim \mathcal{N}(μ, Σ) \in \mathbb{R}^p$估计稀疏逆协方差阵$Θ$。这个估计框架最初由Dempster 1972年提出，名为协方差选择，在2012年，这个估计框架已经扩展到包括潜变量。最近的扩展还包括多个逆协方差阵的联合估计，参见例如，in（Danaher 2013; Tomasi 2018）. GGLasso软件包包含解决一般问题公式的方法，包括重要的特殊情况，如单个（潜在变量）图形套索，组和融合图形套索。
2021-10-20 stat.CO
FunctionalCalibration: an R package for estimation in aggregated functional data model
Universidade Estadual de Campinas（坎皮纳斯州立大学）
本文提出FunctionalCalibration包，通过样条或小波基展开估计聚合功能数据中的个体曲线，应用于化学计量学中的 Beer-Lambert 法。
2026-09-15 stat.CO stat.ME
MixMashNet: An R Package for Single and Multilayer Networks
University of Udine（乌迪内大学）；Karolinska Institutet（卡罗林斯卡学院）
MixMashNet是一个用于估计和分析单层和多层网络的R包，结合混合图模型处理多种变量类型，并提供工具进行网络稳定性评估和可视化。
2026-02-12 stat.CO stat.ME
hdbayes: An R Package for Bayesian Analysis of Generalized Linear Models Using Historical Data
本文介绍了R包hdbayes，它利用Stan语言实现了多种结合历史数据的先验方法，用于广义线性模型的贝叶斯分析，解决了现有方法实现不一、比较困难的问题。
2025-06-24 stat.CO stat.ME
Calculating probabilistic excursion sets and related quantities using excursions
R软件包excursions包含用于计算潜在高斯随机过程和场的概率偏移集、轮廓可信区域和同步置信带的方法。它还包含等高线图的不确定性量化和高斯积分的计算方法。本文介绍了该软件包中使用的理论和计算方法。介绍了该软件包的主要功能，并通过两个实例说明了该软件包的使用方法。
2017-08-14 stat.CO
BEND: An R Package for the Bayesian Estimation of Nonlinear Longitudinal Data
Human Resources Research Organization (HumRRO)（人力资源研究组织）；Bloomington Public Schools（布卢明顿公立学校）；Center for Research and Teaching in Economics（经济研究与教学中心）；University of Minnesota（明尼苏达大学）
本文介绍R包BEND，它使用贝叶斯推断方法估计非线性纵向模型，特别是分段模型，并提供多种扩展功能以处理复杂纵向数据。
2026-05-29 stat.CO stat.ME
OGBoost: A Python Package for Ordinal Gradient Boosting
本文提出与 scikit-learn 兼容的 Python 包 OGBoost，利用潜变量框架和坐标下降联合优化回归函数与阈值，实现支持异构基学习器、交叉验证早停及潜值排序的序数梯度提升。
2025-02-19 stat.CO stat.ML
trajmsm: An R package for Trajectory Analysis and Causal Modeling
本文介绍 R 包 trajmsm，用于实现 LCGA 与 MSM/HRMSM 结合的轨迹因果建模，并支持 IPW、g-计算和 pooled LTMLE 三种估计方法。
2024-10-29 stat.CO stat.ME
greed: An R Package for Model-Based Clustering by Greedy Maximization of the Integrated Classification Likelihood
greed包实现了arXiv：2002.11577的通用和灵活的框架，用于R语言中基于模型的聚类。基于直接最大化的确切的综合分类似然相对于分区，它允许联合执行聚类和选择的组的数量。这个组合的问题是通过一个有效的混合遗传算法处理，而最后的分层步骤允许访问粗分区和提取的聚类排序。这种方法适用于各种各样的潜变量模型，因此，可以处理各种数据类型以及异构数据。实现了连续、计数、分类和图形数据的经典模型，由于S4类抽象，可以合并新模型。本文介绍了该包，指导其开发的设计选择，并说明了其在实际用例中的使用。
2022-04-29 stat.ME
ProfileGLMM: a R Package Extending Bayesian Profile Regression using Generalised Linear Mixed Models
ProfileGLMM通过整合广义线性混合模型作为结局模型，扩展了贝叶斯轮廓回归，能够处理复杂且高度相关的协变量结构，并允许分析层次和纵向数据。
2026-04-22 stat.CO stat.ME
KernSmoothIRT: An R Package for Kernel Smoothing in Item Response Theory
项目反应理论（IRT）模型是一类用于描述个体对一组具有一定数量选项的项目的反应行为的统计模型。它们被社会科学的研究人员采用，特别是在心理学，教育，医学，市场营销和其他旨在测量潜在结构的领域中分析表现或态度数据。大多数IRT分析使用的参数模型依赖于经常不被满足的假设。在这种情况下，非参数方法可能更可取;然而，允许使用该方法的软件应用程序并不多。为了解决这个问题，本文提出了R包KernSmoothIRT。它实现了对期权特征曲线的估计的核平滑，并增加了几个绘图和分析工具来评估整个测试/问卷，项目和主题。为了显示该软件包的功能，使用了两个真实的数据集，一个采用多项选择响应，另一个采用缩放响应。
2014-04-15 stat.AP stat.CO stat.ME
Statistical Models for Repeated Categorical Ratings: The R Package rater
本文介绍了R包rater，基于Stan语言实现包括Dawid-Skene模型在内的贝叶斯统计模型，用于分析重复分类评级数据，推断项目潜在类别与评级员准确度，并探讨了边际化与条件化技术。
2024-01-09 stat.CO stat.ME
BayesSUR: An R package for high-dimensional multivariate Bayesian variable and covariance selection in linear regression
在分子生物学中，高通量技术的进步使得研究复杂的多变量表型及其与高维基因组学和其他组学数据的同时关联成为可能，这是一个可以用高维多响应回归研究的问题，其中响应变量可能高度相关。为此，我们最近引入了几个多变量贝叶斯变量和协方差选择模型，例如，稀疏看似无关回归中变量和协方差选择的贝叶斯估计方法。在这种情况下，已经实现了几个变量选择先验，特别是潜在变量包含指标的热点检测先验，这导致预测因子和多个表型之间的关联的稀疏变量选择。我们还提出了一种替代方案，它使用马尔可夫随机场（MRF）事先纳入先验知识的依赖结构的包容性指标。通过对响应变量之间的协方差阵进行因式分解，使得用马尔可夫链蒙特卡罗方法推断贝叶斯似不相关回归（SUR）在计算上是可行的。在本文中，我们提出了BayesSUR，一个R包，它允许用户轻松地指定和运行一系列不同的贝叶斯SUR模型，这些模型已在C++中实现，以提高计算效率。R包允许以模块化的方式指定模型，其中用户分别选择变量选择和协方差选择的先验。我们证明了稀疏SUR模型的性能与热点先验和尖峰和平板MRF之前的合成和真实的数据集代表eQTL或mQTL研究和体外抗癌药物筛选研究的典型应用程序的例子。
2021-04-28 stat.CO stat.ME
kDGLM: a R package for Bayesian analysis of Generalized Dynamic Linear Models
本文介绍R包kDGLM，用于广义动态线性模型的贝叶斯分析，支持多种指数族分布，通过卡尔曼滤波实现高效序贯推断，拟合时间随序列长度线性增长，可快速处理长时间序列及多序列联合建模。
2024-03-19 stat.CO stat.ME
rMultiNet: An R Package For Multilayer Networks Analysis
The Hong Kong Polytechnic University（香港理工大学）；The Hong Kong University of Science and Technology（香港科技大学）
本文开发了一个R包rMultiNet来分析多层网络数据。我们从最近的文献中提供了两个通用的框架，例如混合多层随机块模型（MMSBM）和混合多层潜在空间模型（MMLSM）来生成多层网络。我们还提供了几种方法来揭示节点和层的嵌入，然后是进一步的数据分析方法，如聚类。在该软件包中处理了三个实际数据实例。rMultiNet的源代码可在https://github.com/ChenyuzZZ73/rMultiNet上获得。
2023-02-09 cs.LG stat.AP stat.ML
semopy: A Python package for Structural Equation Modeling
结构方程模型（SEM）是一种多变量统计技术，用于估计观测变量和潜在变量之间的复杂关系。尽管存在许多SEM软件包，但它们中的每一个都有局限性。有些软件包不是免费或开源的;最流行的软件包是$\textbf{lavaan}$，它没有这个缺点，但它是用R语言编写的，这落后于当前的主流趋势，使得它更难被纳入开发管道（即生物信息学管道）。因此，我们开发了Python包$\textbf{semopy}$来满足这些标准。本文提供了详细的包使用的例子，并解释了它的内部时钟。此外，我们开发了独特的SEM模型生成器，以广泛测试SEM软件包，并证明$\textbf{semopy}$在执行时间和准确性方面明显优于$\textbf{lavaan}$。
2019-09-06 stat.AP
singR: An R package for Simultaneous non-Gaussian Component Analysis for data integration
本文介绍了实现同步非高斯成分分析的R包singR，该工具可提取多数据集共享的潜变量，经图像和神经成像模拟实验验证，能有效生成反映共享信息的联合成分，适用于非高斯特征数据集。
2022-11-09 stat.AP stat.CO
AugmentedPCA: A Python Package of Supervised and Adversarial Linear Factor Models
Duke University（杜克大学）；Stanford University（斯坦福大学）
深度自动编码器通常通过监督或对抗性损失进行扩展，以学习具有理想属性的潜在表示，例如标签和结果的更高预测性或对敏感变量的公平性。尽管监督和对抗性深层潜在因素模型无处不在，但这些方法应该比更简单的线性方法有所改进，在实践中更受欢迎。这需要一个可重复的线性模拟，仍然坚持一个增强的监督或对抗的目标。我们解决这个方法上的差距，提出的方法，增加了主成分分析（PCA）的目标，无论是监督或对抗性的目标，并提供分析和可重复的解决方案。我们在开源Python包AugmentedPCA中实现了这些方法，该包可以生成出色的现实基线。我们在一个开源的RNA-seq癌症基因表达数据集上展示了这些因子模型的实用性，表明使用监督目标进行增强可以提高下游分类性能，产生具有更高类别保真度的主成分，并有助于识别与数据方差主轴对齐的基因，并对特定类型癌症的发展产生影响。
2022-01-07 cs.LG q-bio.GN stat.ML
momentuHMM: R package for generalized hidden Markov models of animal movement
离散时间隐马尔可夫模型（HMRM）已经成为一个非常流行的工具，从遥测数据推断潜在的动物行为。在这里，我们介绍了一个开源的R包，momentuHMM，它解决了现有HMM软件中的许多缺陷。功能包括：1）数据预处理和可视化; 2）用于无限数量的数据流和潜在行为状态的用户指定的概率分布; 3）有偏和相关的随机游走运动模型，包括与吸引力或排斥力相关联的“活动中心”; 4）用于使用大多数R用户熟悉的公式的参数的协变量建模的用户指定的设计矩阵和约束; 5）解释测量误差和时间不规则或缺失数据的多种插补方法; 6）时空协变量栅格数据的无缝集成; 7）用于周期性和其他复杂模式的余弦和样条模型; 8）模型检查和选择;以及9）模拟。momentuHMM大大扩展了现有HMM软件的功能，同时解决了与遥测数据相关的常见挑战。因此，它有助于更现实的假设驱动的动物运动分析，迄今为止，在很大程度上是无法访问的非统计学家。虽然受遥测数据的激励，但该软件包可用于分析任何类型的数据，这些数据都适用于HPLOS。鼓励对其他功能感兴趣的从业者与作者联系。
2018-03-09 q-bio.QM stat.AP
baker: An R package for Nested Partially-Latent Class Models
本文描述和说明了面包师R包的功能。该软件包估计一套嵌套的部分潜伏类模型（NPLCM）的多变量二进制响应下观察到的病例对照设计。贝克包允许研究人员灵活地估计人口水平的类患病率和类成员的个别情况下的后验概率。估计是通过调用跨平台的自动贝叶斯推断软件JAGS，通过一个包装器R功能，解析模型规格和数据输入。baker包提供了许多有用的特性，包括数据摄取、探索性数据分析、模型诊断、广泛的绘图和可视化选项，促进了从业者和领域科学家之间的交流。包功能和工作流程说明使用模拟和真实的数据集。软件包URL：https://github.com/zhenkewu/baker
2022-02-23 stat.AP stat.CO stat.ME
A Unified and Computationally Efficient Non-Gaussian Statistical Modeling Framework
King Abdullah University of Science and Technology（阿卜杜拉国王科技大学）；Lund University（隆德大学）
本文提出了一种统一且高效的非高斯统计建模框架，扩展了潜在高斯模型以允许潜在非高斯过程，并通过R包实现了多种复杂模型的应用。
2026-02-27 stat.ME
Twitmo: A Twitter Data Topic Modeling and Visualization Package for R
University of Göttingen（哥廷根大学）；Clausthal University of Technology（克劳斯塔尔工业大学）
我们提出了Twitmo，一个软件包，提供了广泛的方法来收集，预处理，分析和可视化地理标记的Twitter数据。Twitmo使用户能够从Twitter收集地理标记的推文，并提供一个全面且用户友好的工具箱，用于从潜在狄利克雷分配（LDA），相关主题模型（CTM）和结构主题模型（STM）生成主题分布。包括文本预处理、模型构建和预测功能。此外，该软件包的创新之一是使用主题标签和余弦相似性将推文自动汇集成更长的伪文档，以实现更好的主题一致性。该软件包还具有以静态和交互方式可视化收集的数据集和拟合模型的功能，并通过LDAvis为模型可视化提供内置支持，为该领域的研究人员提供极大的便利。Twitmo软件包是一个创新的工具箱，可用于分析各种主题，政党或感兴趣的人在空间和时间的公共话语。
2022-07-08 cs.CL cs.IR cs.LG
BKP: An R Package for Beta Kernel Process Modeling
East China Normal University（华东师范大学）
该研究介绍了R包BKP，用于从多种响应数据估计概率曲面。它实现了贝塔核过程等模型，支持多种功能，如核加权证据借用等，通过可重现示例展示了在概率曲面估计、分类及实际数据建模等方面的应用。
2026-10-06 stat.CO stat.ML
Non--negative matrix factorization using the \textit{R} package \textsf{nnmf}
Muğla SıtkıKoçman University Faculty of Science Department of Statistics（穆尔加大学科学学院统计学系）；University of Crete（克里特大学）；University of Piraeus（比雷埃克斯大学）
该研究引入新的用于非负矩阵分解的R包，与两个广泛使用的R包进行系统性能比较，通过使用真实数据和一致实验框架，重点评估计算效率等多方面性能，为实际应用选择合适包提供客观指导。
2026-07-23 cs.LG stat.ML
FastJM: An R Package for Efficient Implementation of Semiparametric Joint Models for Longitudinal and Survival Data
Beijing Normal–Hong Kong Baptist University（北京师范大学-香港浸会大学联合国际学院）；University of California at Riverside（加州大学河滨分校）；University of California at Los Angeles（加州大学洛杉矶分校）
FastJM是用于高效实现三类半参数联合模型的R包，采用定制线性扫描算法解决计算瓶颈，提供统一接口支持模型相关操作及动态预测等功能。
2026-08-17 stat.AP stat.ME
High-Dimensional Multi-Study Multi-Modality Covariate-Augmented Generalized Factor Model
本文提出高维多研究多模态协变量增强广义因子模型，利用变分下界和变分EM算法解决高维非线性整合问题，在估计精度和计算效率上显著优于现有方法。
2025-07-14 stat.ME
Linear Latent Variable Models: The lava-package
提出了一个用于确定和估计线性潜变量模型的R软件包。实现的理念是将模型规范与实际数据分离，这导致了对复杂层次结构进行建模的动态和简单的方法。几个先进的功能，包括强大的标准误聚类相关数据，多组分析，非线性参数约束，推断不完整的数据，极大似然估计与删失和二进制观测，和工具变量估计。此外，一个广泛的模拟接口，涵盖了广泛的非线性广义结构方程模型。该模型和软件在人脑中5-羟色胺转运体的测量数据中得到了证明。
2012-06-15 stat.CO
ddtlcm: An R package for overcoming weak separation in Bayesian latent class analysis via tree-regularization
本文提出R包ddtlcm，通过树正则化贝叶斯潜在类别模型解决弱类别分离和小样本下的估计难题，并提供可视化与Shiny交互工具。
2023-09-20 stat.CO
Mapping food insecurity in the Brazilian Amazon using a spatial item factor analysis model
提出空间项目因子分析模型捕捉空间依赖性，预测巴西亚马逊地区粮食不安全潜在因子并识别热点，为政策制定提供更强工具。
2025-07-11 stat.ME
Explainable Recommendation Systems by Generalized Additive Models with Manifest and Latent Interactions
The University of Hong Kong（香港大学）；Suoxinda Holdings Limited（索信达控股有限公司）
近年来，推荐系统领域已经吸引了越来越多的注意力来开发预测模型，该预测模型提供了为什么向用户推荐项目的解释。这些解释可以在拟合相对复杂的模型后通过事后诊断获得，也可以嵌入到本质上可解释的模型中。在本文中，我们提出了可解释的推荐系统的基础上的广义加性模型与显式和潜在的相互作用（GAMMLI）。该模型架构本质上是可解释的，因为它由用户和项目主效应、基于观察到的特征的显式用户-项目交互以及来自残差的潜在交互效应组成。与传统的协同过滤方法不同，该方法考虑了用户和项目的群体效应。这有利于增强模型的可解释性，也可以促进冷启动推荐问题。开发了一个新的Python包GAMMLI，用于高效的模型训练和结果的可视化解释。通过仿真数据和真实案例的数值实验，表明该方法在预测性能和可解释性推荐方面都具有优势。
2020-12-15 cs.AI cs.LG stat.ML
General Latent Feature Models for Heterogeneous Datasets
潜在特征建模允许捕获负责生成一组对象的观察属性的潜在结构。它通常用于预测新的感兴趣值或原始数据中缺失的信息，以及执行数据探索性分析。然而，虽然有大量的文献对同质数据集的潜在特征模型，其中描述每个对象的所有属性都是相同的（连续或离散）的性质，有一个异构数据库的潜在特征建模的工作缺乏。本文介绍了一种适用于异构数据集的通用贝叶斯非参数潜在特征模型，其中描述每个对象的属性可以是离散变量、连续变量或混合变量。该模型提出了几个重要的属性。首先，它考虑了异构数据，同时保持共轭模型的属性，这使我们能够在线性时间内推断模型的对象和属性的数量。其次，它的贝叶斯非参数性质允许我们从数据中自动推断模型的复杂性，即，捕获数据中的潜在结构所需的特征数量。第三，模型中的潜在特征是二值变量，便于在数据探索性分析中对所获得的潜在特征进行解释。我们通过在几个真实数据集上解决预测和数据分析任务来展示所提出模型的灵活性。此外，GLFM的软件包是公开的，供其他研究人员使用和改进。
2018-03-08 stat.ML
spAbundance: An R package for single-species and multi-species spatially explicit abundance models
本文介绍 R 包 spAbundance，它利用最近邻高斯过程和潜在因子方法拟合单物种与多物种空间显式贝叶斯丰度模型，并通过鸟类、林莺和森林生物量案例验证其高效易用性。
2024-05-13 stat.AP
`pandemonium`: High Dimensional Analysis in Linked Spaces
提出R包pandemonium，通过聚类分析和链接可视化探索预测变量与响应变量之间的关系，核心方法包括非线性降维和动画游览，主要贡献在于提供了一种在双空间中同时可视化和分析高维数据结构的工具。
2026-05-28 physics.data-an stat.CO
Sequential reduction for discrete latent variables in ecological and evolutionary models using RTMB
Cahill Analytics；Technical University of Denmark（丹麦技术大学）；Alaska Fisheries Science Center, National Marine Fisheries Service（阿拉斯加渔业科学中心，国家海洋渔业服务局）
本文提出RTMB包中的序贯约简方法，结合自动微分和拉普拉斯近似高效拟合含离散和连续潜变量的混合模型，并展示其在生态和系统发育应用中的速度与灵活性。
2026-09-15 q-bio.PE stat.ME
New frontiers in Bayesian modeling using the INLA package in R
INLA软件包为各种广泛使用的模型（更正式的是潜在高斯模型类）提供了一种计算效率高的贝叶斯建模和推理工具。它是一个基于非采样的框架，使用稀疏矩阵为贝叶斯推断提供近似结果。这种贝叶斯建模框架的迅速采用植根于该方法的计算效率，并受到大数据时代提出的需求的催化。在本文中，我们提出了新的发展内的INLA包的目的是提供一个计算效率高的机制，贝叶斯推断的相关挑战性的情况。
2019-07-25 stat.CO stat.ME
Extending INLA to a class of near-Gaussian latent models
这项工作将集成嵌套拉普拉斯近似（INLA）方法扩展到潜在高斯模型范围之外的潜在模型，其中潜在场的独立分量可以具有近高斯分布。所提出的方法是一个更大项目的重要组成部分，该项目旨在扩展R包INLA（R-INLA），以允许用户以简单直观的方式增加灵活性并挑战一些模型组件的高斯假设。我们的方法被应用到两个例子，并与马尔可夫链蒙特卡罗（MCMC）得到的结果进行了比较，显示出类似的精度，只有一小部分的计算时间。R-INLA包中提供了拟议扩展的实现。
2013-04-22 stat.CO
Epidemia: An R Package for Semi-Mechanistic Bayesian Modelling of Infectious Diseases using Point Processes
这篇文章介绍了一个R软件包，用于传染病的贝叶斯回归建模。所实现的模型定义了所有观测数据的可能性，同时还明确建模传输动态：一种通常称为半机械的方法。使用更新方程随时间传播感染。这种方法的灵感来自自激，连续时间点过程，如霍克斯过程。使用该软件包可以执行各种推理任务。关键的流行病学数量，包括繁殖数量和潜伏感染，可以在框架内估计。这些模型可用于评估传播率变化的决定因素，包括控制措施的效果。流行病动态可以通过拟合模型或先验模型来模拟;允许先验/后验预测检查、实验和预测。
2021-10-24 stat.CO stat.ME
spNNGP R package for Nearest Neighbor Gaussian Process models
本文描述并说明了spNNGP R包的功能。该软件包为空间索引的高斯和非高斯点参考结果提供了一套空间回归模型。该软件包实现了几个马尔可夫链蒙特卡罗（MCMC）和无MCMC的最近邻高斯过程（NNGP）模型，用于推断大型空间数据。使用NNGP Polya-Gamma潜在变量对非高斯结果进行建模。为了利用多处理器系统，提供了OpenMP并行化选项。包功能说明使用模拟和真实的数据集。
2021-04-15 stat.CO
stLMM: Bayesian Spatial and Space-Time Linear Mixed Models for Small-Area Ecological Estimation
Department of Forestry, Michigan State University（密歇根州立大学林学院）；Department of Statistics and Probability, Michigan State University（密歇根州立大学统计与概率学院）
研究为小区域生态估计开发stLMM包，有多种潜在效应公式接口，采用共享稀疏精度实现，给出从模型拟合到预测等的后验抽样工作流程，以华盛顿县生物量示例展示。
2026-11-13 stat.CO stat.ME
Estimating Spatial Econometrics Models with Integrated Nested Laplace Approximation
集成嵌套拉普拉斯近似为贝叶斯分层模型的边缘推断提供了一种快速有效的方法。该方法已在R-INLA软件包中实现，该软件包允许在R统计软件中使用INLA。虽然INLA是作为一种通用方法来实现的，但它在实践中的使用仅限于R-INLA包中实现的模型。空间自回归模型广泛应用于空间计量经济学，但迄今为止，在R-INLA软件包中一直缺失。在本文中，我们描述了一类新的潜在模型在INLA的实现和应用，通过R-INLA。这个新的潜在类实现了一个标准的空间滞后模型，该模型被广泛使用，可用于构建空间计量经济学中更复杂的模型。在R-INLA中实现这个潜在模型也意味着INLA的所有其他功能都可以用于空间计量经济学中的模型拟合，模型选择和推理，如本文所示。最后，我们将通过基于高斯和二进制结果的两个数据集来说明这种新的潜在模型的使用及其应用。
2021-05-29 stat.CO
Mixture Hidden Markov Models for Sequence Data: The seqHMM Package in R
序列分析正越来越广泛地应用于社会序列和其他多元分类时间序列数据的分析。然而，描述、可视化和比较大型序列数据通常是复杂的，尤其是当每个受试者有多个平行序列时。隐马尔可夫模型（HHMF）能够检测潜在的潜在结构，并且它们可以用于各种纵向设置中：考虑测量误差，检测不可观测的状态，或者压缩跨几种类型的观测的信息。扩展到混合隐马尔可夫模型（MHALGOT）允许聚类数据到同质子集，有或没有外部协变量。R中的seqHMM包设计用于使用HHMM和MHMM对序列和其他分类时间序列数据进行有效建模，这些数据包含一个或多个主题，具有一个或多个相互依赖的序列。也可以拟合MHMM的其他受限变体，例如，潜在类模型、马尔可夫模型、混合马尔可夫模型、或甚至具有HMM的适当参数化的普通多项式回归模型。在从第一眼看到数据到模型拟合和结果呈现的整个分析过程中，数据和模型的良好图形化呈现非常有用。该软件包提供了绘制并行序列数据的简单选项，并建议将HPLOS可视化为有向图。
2019-01-26 stat.AP stat.CO
Fast computation of latent correlations
潜在高斯copula模型提供了一种强大的手段来执行多视图数据集成，因为这些模型可以通过潜在高斯相关性无缝地表达混合变量类型（二进制，连续，零膨胀）之间的依赖关系。然而，这些潜在的相关性的估计，来在相当大的计算成本，阻止了这些模型的高维数据的常规使用。在这里，我们提出了一种新的计算方法，通过混合多线性插值和优化方案估计潜在的相关性。我们的方法加快了几个数量级的当前最先进的计算，从而允许快速计算的潜在高斯copula模型，即使当变量的数量$p$是大的。我们提供了理论保证我们的数值方案的近似误差，并支持其模拟和真实世界的数据的优异性能。我们说明了我们的方法在高维稀疏定量和相对丰度微生物组数据以及癌症基因组图谱项目的多视图数据上的实际优势。我们的方法在R包mixedCCA中实现，可在https://github.com/irinagain/mixedCCA上获得。
2020-11-04 stat.CO stat.ME
FastGP: An R Package for Gaussian Processes
尽管高斯过程（GPs）有着广泛的应用前景，但由于拟合和采样的计算障碍，它在实践中很难使用。在这里，我们讨论一个高效的多元正态函数的简短R包，它在其核心使用Rcpp和RcppEigen包。GP具有允许标准函数加速的属性;作为一个例子，我们包括Toeplitz矩阵的功能，其逆可以在O（n^2）时间内计算，由于海沟和Durbin的方法（Golub & Van Loan 1996），这特别适用于高斯过程的时间点（或空间位置）是均匀分布的，因为在这种情况下，相关的协方差阵是Toeplitz。此外，我们还包括从具有椭圆切片采样的潜在变量高斯过程模型中进行采样的功能（Murray，Adams和MacKay 2010）。
2015-07-22 stat.CO
PyINLA: Fast Bayesian Inference for Latent Gaussian Models in Python
King Abdullah University of Science and Technology（阿卜杜拉国王科技大学）
本文介绍PyINLA，一个Python包，提供直接接口到inla程序，用于指定潜在高斯模型、运行基于INLA的推断并获取后验摘要，整合到科学计算流程中。
2026-03-28 cs.MS stat.AP stat.CO
Dealing with Stochastic Volatility in Time Series Using the R Package stochvol
R包stochvol在随机波动率的框架内提供了异方差建模的完全贝叶斯实现。它利用马尔可夫链蒙特卡罗（MCMC）采样器进行推理，通过从参数和潜变量的后验分布中获得结果，然后可以用于预测未来的波动率。该软件包可以直接作为一个独立的工具，而且，它可以很容易地纳入其他MCMC采样器。本文的主要重点是展示stochvol的功能。此外，它还提供了模型的简要数学描述、所用抽样方案的概述以及使用汇率数据的几个说明性例子。
2019-06-28 econ.EM q-fin.CP q-fin.ST
dapper: Data Augmentation for Private Posterior Estimation in R
本文介绍了R包dapper，它提供了一个采样框架，支持在给定私有化数据时对统计模型参数和潜变量进行精确MCMC模拟，使应用研究者能对受差分隐私保护的数据进行有效贝叶斯推断并正确处理隐私噪声。
2024-12-19 stat.CO
Bayesian Item Response Modeling in R with brms and Stan
项目反应理论（IRT）被广泛应用于人类科学中，以模拟人们对一组测量一个或多个潜在结构的项目的反应。虽然已经开发了几个实现IRT模型的R包，但它们往往局限于各自预先指定的模型类。此外，大多数实现都是频率论的，而贝叶斯方法的可用性仍然有限。我们演示了如何使用R包BRMS与概率编程语言Stan一起使用灵活直观的多级公式语法来指定和拟合各种贝叶斯IRT模型。此外，物品和人参数可以以线性或非线性方式相关。支持分类、有序和连续响应的各种分布。用户甚至可以定义他们自己的自定义响应分布，以便在所呈现的框架中使用。可以在本框架中本地指定的常见IRT模型类包括1PL和2PL逻辑模型，可选地还包含猜测参数，分级响应和部分信用顺序模型，以及响应时间的漂移扩散模型与二进制决策。可以方便地提取和后处理项目和个人参数的后验分布。可以使用贝叶斯因子和有效的交叉验证程序来评估和比较模型拟合。
2020-02-01 stat.CO
Modeling Univariate and Multivariate Stochastic Volatility in R with stochvol and factorstochvol
随机波动率模型是一种非线性状态空间模型，在异方差时间序列的拟合和预测中得到了广泛的应用。然而，由于大量的潜在量，它们的有效估计是不平凡的，并且允许容易地将SV模型拟合到数据的软件是罕见的。我们的目标是通过提出在两个R包中交付的四个SV模型的新实现来缓解这个问题。几个独特的功能包括和记录。与以前的版本不同，stochvol现在能够处理线性均值模型，重尾SV和SV。此外，我们新引入factorstochvol迎合多元SV。这两个包都通过传统的R泛型和一系列定制的方法提供了用户友好的界面。计算效率是通过将R接口到C++并在后者中完成繁重的工作来实现的。在本文中，我们详细讨论了贝叶斯SV估计，并通过各种示例展示了新软件的使用。
2021-02-06 econ.EM q-fin.CP q-fin.ST
