A penalized approach to the bivariate logistic regression model for the association between ordinal responses
二元有序Logistic模型（BOLM）是一种对给定协变量的两个有序响应及其关联的边缘分布进行联合建模的方法。当响应类别的数量增加时，要估计的全局优势比（或其重新参数化）的数量也增加，并且估计关联结构对于这种类型的数据变得至关重要。事实上，这样的数据可能太“丰富”，无法用普通的BOLM完全建模，而有时，著名的Dale模型可能过于简约，无法提供良好的拟合。此外，当响应的交叉列表包含一些零时，对于许多模型配置，包括部分比例优势模型（PPOM）的双变量版本，通过Fisher评分算法估计BOLM可能失败或估计太“不规则”的关联结构。在这项工作中，我们建议使用一个非参数方法的极大似然估计的BOLM。我们对相邻行和列效应之间的差异应用惩罚。其结果是，估计是要求较低，比普通的BOLM，允许拟合的PPOM和/或平滑的边缘和关联参数的多项式曲线和曲面，与分数选择的数据。模型选择是基于惩罚的对数似然比，其极限分布已通过模拟研究，和AIC。我们的建议相比，古德曼的模型和戴尔的模型，在拟合优度和简约性，文献数据集。最后，提出了一个应用程序的肝脏疾病患者的原始数据集。
2014-07-07 math.ST stat.AP stat.CO
Bayesian semiparametric modelling of contraceptive behavior in India via sequential logistic regressions
在印度，计划生育的特点是战略方案差异很大，包括针对具体方法的避孕目标、强制绝育和最近的无目标方法。随着时间的推移，计划生育政策的这些重大变化激发了人们对评估不同方案的有效性的极大兴趣，同时了解哪些人口亚群没有得到适当解决。目前的研究考虑了上述政策的具体方面，例如，包括与使用避孕药具的妇女选择绝育以外的其他避孕方法有关的因素。虽然这些分析产生了相关的见解，但它们未能提供对不同计划生育政策以及避孕选择背后的决定因素的全球概览。出于这种考虑，我们提出了一个贝叶斯半参数模型依赖于通过一组条件伯努利选择的多项式概率质量函数的重新参数化。连续的二元结构被定义为与印度目前的计划生育政策相一致，并与避孕选择的合理过程相一致。这种灵活的表述和仔细的重新参数化相结合，使得在一个单一的模型内对印度的不同政策和避孕偏好有一个更广泛和可解释的概览。
2017-07-31 stat.AP
Urban logistics dynamics: a user-centric approach to traffic modelling and kinetic parameter analysis
Mines Paris, PSL University（巴黎矿业学院，PSL大学）；Centre for management science (CGS)（管理科学中心）；i3 UMR CNRS（i3国家科研混合单位）
本研究从用户视角出发，以城市物流交通动力学为研究对象，通过因子分析与广义线性模型，基于时间等外生因素预测车辆动力学行为，为城市物流交通建模提供了以用户为中心的方法。
2026-08-13 stat.AP
Ordinal classification for interval-valued data and interval-valued functional data
本文首次研究以区间值数据和区间值函数型数据为输入的有序分类问题，提出六种分类器，并通过合成与真实数据实验证明利用顺序和区间信息可提升准确率。
2023-10-30 stat.AP stat.ME stat.ML
Logistic regression is not enough: The need for Bayesian nonparametric modelling for causal inference using observational data, exemplified by the 'gateway' effect
College of Natural Sciences, The University of Texas at Austin（德克萨斯大学奥斯汀分校自然科学学院）；Department of Data Management & Statistical Analysis, Pinney Associates（Pinney Associates 数据管理与统计分析部）；School of Global Public Health, New York University（纽约大学全球公共卫生学院）
本文通过理论分析和实证研究，指出逻辑回归模型在因果推断中的局限性，并采用贝叶斯加性回归树（BART）对电子烟使用与吸烟之间的“门户”效应进行建模，发现该效应在因果推断下消失，解决了与人口趋势的矛盾。
2026-05-31 stat.AP
Cumulative Restricted Boltzmann Machines for Ordinal Matrix Data Analysis
Deakin University（迪肯大学）；Curtin University（科廷大学）
序数数据是无所不在的，几乎所有的多用户生成的反馈-问卷，偏好等。本文研究了有序数据建模与高斯限制玻尔兹曼机（RBM）。特别是，我们提出的模型架构，学习和推理过程的向量变量和矩阵变量有序数据。我们表明，我们的模型是能够捕捉潜在的意见配置文件的公民在世界各地，是竞争对手的最先进的协同过滤技术在大规模的公共数据集。因此，该模式有可能将成果管理制的应用扩展到不同的领域，如推荐系统、产品审查和专家评估。
2014-07-31 cs.IR cs.LG stat.AP
A multilevel multinomial logistic regression model for identifying risk factors of anemia in children aged 6-59 months in northeastern states of India
在这篇文章中，我们使用多级多项逻辑斯谛回归模型，以确定印度东北部各邦儿童贫血的危险因素。数据包括10，136名6-59个月年龄组的儿童。根据WHO指南，我们将贫血水平作为结局变量，根据血液中的血红蛋白浓度分为四个顺序类别（重度、中度、轻度和非贫血）。以居住地为二水平变量，建立了两水平随机截距模型。各州之间的类内相关性（ICC）为0.0577，表明居住州占响应变量总变化的约6%。对多水平模型进行了比较，并根据离差检验确定了最终模型。我们观察到，处于或低于严重贫血水平的预测概率为0.1247，中度贫血水平为0.3578，轻度贫血水平为0.0698，非贫血为0.4477。我们发现，结婚年龄（OR=1.13，95%CI：1.05，1.21）和孩子的数量（OR=1.09，95%CI：1.03，1.15）对处于或低于较低血红蛋白水平（严重贫血）有显着影响。此外，儿童年龄（OR=0.92，95%CI：0.86-1.00）是一个重要的预测因素，表明如果儿童年龄为48个月或更大，严重贫血的几率会降低。
2015-04-11 stat.AP
Modelling higher education dropouts using sparse and interpretable post-clustering logistic regression
针对高校辍学风险子群识别问题，提出先聚类再以聚类特定效应 logistic 回归建模并用定制 LASSO 实现稀疏可解释的方法，且在意大利大学体系案例中验证。
2025-05-12 stat.AP stat.ML
Weighted scores method for longitudinal ordinal data
将广义估计方程（GEE）扩展到有序响应数据需要将有序响应转换为二元类别指标的向量。这导致了一个相当复杂的关联结构，并在类别数量和聚类维数很大时引入了大矩阵。为了允许更丰富的规范工作相关性假设，我们采用加权评分法，这基本上是一个扩展的GEE方法，因为它也可以适用于家庭，不是在GLM类。加权评分法源于缺乏一个理论上合理的方法来分析多元离散数据的基础上，只有矩到二阶，它是强大的依赖性和效率接近极大似然。不需要将有序响应转换为二元指标，因此权重矩阵具有较小的维度，并且不需要猜测不同类别的指标变量的相关性。我们专注于数据分析师感兴趣的重要问题，如相关矩阵和解释变量的结构的选择，从我们的方法与GEE获得的结果的比较，以及我们的方法提供的GEE方法会错过的见解。我们的建模框架在开源统计环境R中的weightedScores包中实现。
2017-05-19 stat.AP stat.ME
Modelling reporting delays for disease surveillance data
实时跟踪流行病的一个困难与报告延迟有关。报告延迟可能是由于实验室确认、物流问题、基础设施困难等原因。尽快纠正现有信息的能力在决策方面至关重要，例如向公众和地方当局发出警告。贝叶斯分层建模方法提出了一种灵活的方式来纠正报告延迟，并量化相关的不确定性。该模型的实施是快速的，由于使用集成嵌套拉普拉斯近似（INLA）。该方法是说明在里约热内卢的登革热发病率数据和严重急性呼吸道疾病（SARI）的数据在巴拉那州，巴西。
2020-10-14 stat.AP
A simulation framework of procurement operations in the container logistics industry
本研究提出了一个集装箱物流行业采购运营的仿真框架，基于离散事件仿真和概率模型，支持动态采购策略开发，并验证了上下文多臂老虎机策略在信息受限时的鲁棒性。
2023-05-22 stat.AP
A Bias-Corrected Two-Stage Approach for Joint Modelling of Multidimensional Longitudinal HRQoL and Survival Data
UCLouvain（天主教鲁汶大学）；Université de Liège（列日大学）
针对多维纵向HRQoL与生存数据联合建模中全联合估计计算量大的问题，提出斜率校正两阶段方法，通过信息先验传播纵向信息并重估斜率参数，降低偏差并保持计算效率。
2026-06-23 stat.AP stat.ME
Spatial Modelling of Emergency Service Response Times
这篇文章关注的是应急服务响应时间的统计建模。我们采用先进的方法，从空间生存分析提供推理的数据收集的伦敦消防队的反应时间报告住宅火灾。现有的方法来分析这些数据主要是描述性的，我们描述和展示了一个更复杂的方法的优点。我们最终的参数比例风险模型包括谐波回归项，以描述响应时间如何随时间变化，并在辅助网格上共享空间相关的弱点，以提高计算效率。我们调查了2014年消防站关闭的短期影响。虽然伦敦消防队正在努力保持响应时间下降，我们的研究结果表明，有一个限制，可以实现的后勤：本文确定周围地区现已关闭的Belsize，Downham，Kingdom，Knightsbridge，Silvertown，Southwark，Wesperfield和Woolwich消防站，其中也许应该有一些关注的消防服务的提供。
2015-03-26 stat.AP
Predictive modelling of training loads and injury in Australian football
为了研究训练负荷监测数据是否可用于预测澳大利亚精英足球运动员的损伤，从澳大利亚足球俱乐部的精英运动员那里收集了3个赛季的数据。使用GPS设备，加速度计和球员感知的努力评级的负载进行量化。每天计算每个运动员的绝对和相对训练负荷指标（滚动平均值，指数加权移动平均值，急性：慢性工作负荷比，单调性和应变）。损伤预测模型（规则化逻辑斯谛回归，广义估计方程，随机森林和支持向量机）建立了非接触，非接触时间损失和腿筋特定损伤使用前两个赛季的数据。伤害预测生成的第三个赛季，并使用接收器操作员特征（AUC）下的区域进行评估。对于非接触和非接触时间损失损伤模型，预测性能仅略好于机会（AUC $<$ 0.65）。表现最好的模型是用于腘绳肌损伤的多变量逻辑斯谛回归（最佳AUC=0.76）。学习曲线表明，逻辑斯谛回归对负荷-损伤关系拟合不足，使用更复杂的模型或增加模型构建数据量可能会导致未来的改进。使用来自单个俱乐部的训练负荷数据建立的损伤预测模型在对以前看不见的数据进行测试时显示出预测损伤的能力很差，这表明它们作为从业者的日常决策工具是有限的。将建模方法集中在特定的伤害类型上，并增加训练数据的数量，可能会导致开发出更好的伤害预防预测模型。
2017-06-14 stat.AP stat.ML
Spatial modelling of COVID-19 incident cases using Richards' curve: an application to the Italian regions
我们介绍了一个扩展的广义Logistic增长模型的离散结果，其中的网络结构可以指定处理空间依赖性和时间依赖性处理使用自回归方法。一个主要的挑战涉及网络结构的规范，至关重要的是一致地估计广义逻辑曲线的规范参数，例如峰值时间和高度。在贝叶斯框架下使用{ \texttt{ Stan} }概率编程语言估计参数。建议方法的动机是分析意大利的第一波和第二波COVID-19，即分别从2020年2月至2020年7月和从2020年7月至2020年12月。我们在区域一级的数据进行分析，有趣的是，证明了大量的空间和时间的依赖性发生在两波，虽然强有力的限制措施，在第一波。获得准确的预测，改善那些假设跨区域独立的模型。
2021-06-09 stat.AP stat.ME
Construction of hazard maps of Hantavirus contagion using Remote Sensing, logistic regression and Artificial Neural Networks: case Araucanía Region, Chile
在这项研究中，方法和计算结果的基础上，统计分析和数学建模，数据收集在现场，以使汉他病毒感染的危害地图在该地区的阿劳卡尼亚，智利。这项工作的开展涉及若干要素，如大地卫星图像、关于汉他病毒血清阳性的生物信息和关于该区域发现的阳性感染病例的信息。通过逻辑回归分析和人工神经网络，对所有这些信息进行了处理，以找到一个模拟该地区传染危险的函数
2016-10-05 physics.bio-ph q-bio.PE stat.AP
Ecological fallacy and covariates: new insights based on multilevel modelling of individual data
本文讨论了生态推理中的生态偏差问题。我们提供了一个明确的制定所需的条件，为普通的生态回归产生无偏估计，并认为，当这些条件被违反，任何方法的生态推断将产生有偏估计。这些研究结果的澄清和支持的经验证据提供的三个主要的生态推理方法与适用于一组独特的个人数据的投票行为的多层次逻辑斯谛回归的结果进行比较。我们的研究的主要发现有两个重要的影响，适用于所有的情况下，没有生态偏见的条件被违反：（i）只有生态推理方法，允许模型的影响协变量有机会产生无偏估计;（ii）一套协变量被包括在模型中，以消除偏见是有限的边际比例。最后，我们的研究结果表明，当两个生态变量之间的关联是非常弱的，它是不可能获得无偏估计，即使是一个适当的模型，占相关协变量的影响。
2015-09-10 stat.AP
A general modelling framework for open wildlife populations based on the Polya Tree prior
可以使用许多不同的调查方法对开放种群进行野生动物监测。每一种调查方法都会产生一种类型的数据，在过去五十年中，为分析这些数据开发了大量相关的统计模型。虽然这些模型已经使用不同的方法进行了参数化和拟合，但它们都是为了模拟个体进入和退出种群的模式，并估计种群规模。然而，现有的方法依赖于预定义的模型结构和复杂性，或者通过假设参数是特定于采样场合的，或者通过采用参数曲线。相反，我们提出了一种新的贝叶斯非参数框架建模的入口和出口模式的基础上的Polya树（PT）之前的密度。我们的贝叶斯非参数方法在推断进入和退出模式时避免了过拟合，同时比使用参数曲线更灵活。我们应用我们的新框架，捕获，再捕获，计数和环恢复数据，我们引入复制PT之前为这些数据定义类的模型。此外，我们定义了分层逻辑PT前联合建模相关的数据，我们认为，可选PT前建模长时间序列的数据。我们展示了我们的新方法，使用五个不同的案例研究鸟类，两栖动物和昆虫。
2020-11-01 stat.AP stat.ME
Principled Drug-Drug Interaction Terms for Bayesian Logistic Regression Models of Drug Safety in Oncology Phase I Combination Trials
在肿瘤学中，评估药物组合的试验变得越来越普遍。虽然联合治疗带来了更大的疗效潜力，但它们也为确保药物安全性带来了独特的挑战。在药物组合的I期剂量递增试验中，基于模型的方法可以有效利用收集的信息，但模型需要考虑试验的复杂性：随着在给定试验中同时测试的药物数量越来越多，相互作用的适当建模变得越来越重要。原则上，我们可以使用来自多组测试不同组合的数据来联合估计药物组合的毒性。然而，在用于确保患者安全性的贝叶斯逻辑斯谛回归模型（BLRM）框架中对药物-药物相互作用进行建模时，这些努力突出了局限性。以前的模型要么不考虑由于拮抗毒性引起的非单调性，要么表现出指数压倒单个药物在剂量反应中的贡献的根本缺陷。当药物组合表现出拮抗毒性时，这特别导致问题，在这种情况下，随着剂量变得非常大，毒性概率变得非常小。受Paracelsus“剂量决定毒药”的直觉启发，我们提出了附加的约束条件，避免了这一缺陷，并提出了一个与这些约束条件兼容的改进的交互模型。我们创建了具有指导意义的数据场景，展示了这种更受约束的药物-药物相互作用模型在防止过度毒性剂量组合的进一步给药和拮抗药物毒性下更合理的剂量发现方面的改进行为。该模型现在可以在开源OncoBayes 2 R包中使用，该包为任意数量的药物和试验组实现了BLRM框架。
2023-02-22 stat.AP stat.ME
Logistic regression models: practical induced prior specification
针对层次模型中无信息先验在较高层次参数上可能诱导出非模糊先验的问题，本文在logistic回归框架下为系数提出了三种替代先验，以精确控制Bernoulli分布参数的诱导先验，并通过仿真研究与真实数据验证了方法的有效性。
2025-02-02 stat.AP stat.ME
How does academic performance affect self-efficacy? Interpretable modelling through latent academic achievement
Human Technology Institute, University of Technology Sydney（人类技术研究所，悉尼科技大学）；School of Mathematical and Physical Sciences, University of Technology Sydney（数理科学学院，悉尼科技大学）
本文提出贝叶斯模型，将潜在学业成就作为预测变量纳入自我效能回归，并通过变量选择识别相关因素，揭示学业成就与自我效能的关系。
2026-07-01 stat.AP stat.ME
Modelling the term-structure of default risk under IFRS 9 within a multistate regression framework
North-West University（西北大学）；National Institute for Theoretical and Computational Sciences (NITheCS)（理论计算科学国家研究所）
本文通过三种模型比较研究，探讨了在贷款生命周期中违约风险的建模方法，发现复杂度递增的模型能更准确预测损失准备金，提升IFRS 9下的估计效率和准确性。
2026-04-20 q-fin.RM q-fin.ST stat.AP
Plackett-Luce regression: A new Bayesian model for polychotomous data
多项逻辑斯谛回归是最流行的模型之一，用于模拟解释变量对一组指定选项之间的主题选择的影响。该模型在机器学习、心理学或经济学中有许多应用。在这个模型中的贝叶斯推断是不平凡的，需要，或者诉诸于MetropolisHastings算法，或拒绝抽样内的吉布斯采样器。在本文中，我们提出了一个替代模型多项式逻辑斯谛回归。该模型基于Plackett-Luce模型，这是一种流行的多重比较模型。我们发现，一组合适的辅助变量的引入导致一个期望最大化算法找到最大后验估计的参数。我们进一步提供了一个完整的贝叶斯处理，推导出一个吉布斯采样器，它只需要从高度标准的分布样本。我们还提出了一个变分近似推理方案。所有这些都很容易实现。Plackett-Luce回归模型的一个特性是它学习了一组稀疏的特征权重。我们比较我们的方法稀疏贝叶斯多项式逻辑斯谛回归，并表明它是有竞争力的，特别是在存在多分类数据。
2012-10-16 stat.AP stat.CO stat.ME
Goal-oriented adaptive sampling under random field modelling of response probability distributions
在自然和人工复杂系统的研究中，不完全由所考虑的决策变量确定的响应通常是概率建模的，导致响应分布在决策空间中变化。我们考虑的情况下，这些响应分布的空间变化不仅涉及他们的平均值和/或方差，但也包括其他功能，例如形状或单模态与多模态。我们的贡献建立在一个非参数贝叶斯方法建模，从而诱导领域的概率分布，特别是空间扩展的逻辑高斯模型。所考虑的模型在候选点处提供响应分布的概率预测，例如允许执行概率密度函数的（近似）后验模拟，以联合预测目标分布的多个矩和其他泛函，以及量化收集新样本对感兴趣的分布场的知识状态的影响。特别是，我们引入自适应采样策略，利用所考虑的广义过程场模型的潜力，以目标为导向的方式指导系统评估，以期从非线性（随机）反演和全局优化中节俭地解决校准和相关问题。
2021-03-17 math.OC stat.AP stat.CO
