mecor: An R package for measurement error correction in linear regression models with a continuous outcome
协变量或回归模型结果中的测量误差是常见的，但通常被忽略，即使测量误差可能导致估计的协变量-结果关联中的实质性偏倚。虽然有几本关于测量误差校正方法的书，但这些方法仍然很少应用。为了改进测量误差校正方法的使用，我们开发了mecor，这是一个R软件包，它为具有连续结果的回归模型实现了测量误差校正方法。测量误差校正需要关于测量误差模型及其参数的信息。这些信息可以从四种类型的研究中获得，用于估计测量误差模型的参数：内部验证研究、重复研究、校准研究和外部验证研究。在软件包mecor中，实施回归校准方法和极大似然法，以校正回归分析中连续协变量的测量误差。此外，实施矩方法以校正回归分析中的连续结果中的测量误差。修正估计量的方差估计以封闭形式提供，并使用自助法。
2021-02-09 stat.ME
inlamemi: An R package for missing data imputation and measurement error modelling using INLA
本文介绍inlamemi R包，利用INLA在贝叶斯框架下对连续协变量中的测量误差和缺失数据进行分层建模，降低使用门槛并提供多种场景示例。
2024-06-12 stat.ME
LMest: an R package for latent Markov models for categorical longitudinal data
潜在马尔可夫（LM）模型代表了用于分析纵向数据的一类重要模型（Bartolucci et.例如，2013），特别是当响应变量是分类的时。这些模型在社会、医学和行为数据分析以及其他学科中具有很大的应用潜力。我们提出了R包LMest，这是专门为处理这些类型的模型。特别是，我们考虑扩展LM模型的一般框架，包括个人协变量，并制定一个混合的方法，考虑到额外的依赖结构的数据。这样的扩展导致一类非常灵活的模型，这使我们能够适应不同类型的纵向数据。模型参数的估计是通过期望最大化算法，基于前向-后向递归，这是实现在包的主要功能。该软件包还允许我们执行局部和全局解码，并获得参数估计的标准误。我们说明了它的使用和最重要的功能的基础上的例子，涉及在健康和犯罪学的应用。
2015-01-19 stat.CO
NLMEModeling: A Wolfram Mathematica Package for Nonlinear Mixed Effects Modeling of Dynamical Systems
非线性混合效应建模是分析实验中多个实体的数据时的强大工具。在本文中，我们介绍了NLMEModeling，一个Wolfram Mathematica中的混合效果建模软件包。NLMEModeling支持动态系统的混合效应建模，其中底层动态由普通或随机微分方程与灵活的观测误差模型相结合来描述。此外，NLMEModeling是一个用户友好的软件包，具有模型验证，可视化预测检查和模拟功能。该软件包免费提供，并为Wolfram Mathematica提供了一个灵活的附加组件。
2020-11-13 stat.CO stat.ME
FRK: An R Package for Spatial and Spatio-Temporal Prediction with Large Datasets
FRK是一个R软件包，用于大型数据集的空间/时空建模和预测。它有助于最常用的流形（在欧几里得空间和球面上）上的空间和时空场的最佳空间预测（克里金）。它与许多空间建模和预测软件包的不同之处在于，它避免了静态和各向同性协方差和变差函数模型，而是在精细分辨率离散空间域上构建空间随机效应（SRE）模型。离散单元被称为基本面积单元（BAU），其在软件中的引入带来了几个实际优势。该软件可用于（i）相对容易地将多个观测与不同的支持相结合;（ii）在数百万个预测位置获得准确的预测（无需条件模拟）;（iii）在BAU的分辨率下区分测量误差和精细尺度变化，从而允许可靠的不确定性量化。通过添加另一个维度来包括时间分量。SRE模型的一个关键组成部分是空间或时空基函数的规范;在软件包中，它们可以自动生成或由用户生成。该软件包还提供了自动BAU建设，期望最大化（EM）算法的参数估计，并预测任何用户指定的多边形或BAU的功能。该软件包的使用说明了几个空间和时空数据集，它的预测和它实现的模型进行了广泛的比较，其他常用的空间预测和建模。
2018-06-07 stat.CO
FormulaCompiler.jl and Margins.jl: Efficient Marginal Effects in Julia
Columbia University（哥伦比亚大学）
FormulaCompiler.jl 和 Margins.jl 提供了高效的边际效应计算方法，显著提升了 Julia 中大规模统计分析的性能和效率。
2026-01-11 stat.CO
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
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
Structured Bayesian Regression Tree Models for Estimating Distributed Lag Effects: The R Package dlmtree
本文介绍R包dlmtree，实现树结构分布滞后模型，用于估计暴露滞后效应，提供拟合、推断、可视化及异质性分析功能。
2025-04-25 stat.CO stat.ME
kendallknight: An R Package for Efficient Implementation of Kendall's Correlation Coefficient Computation
本研究推出R包kendallknight，基于Knight(1966)及后续文献优化Kendall相关系数计算的复杂度，在保证精度、妥善处理边界问题的同时大幅提升运算速度，经基准测试验证对大型数据集的性能提升显著，适配计量与统计场景的高效计算需求。
2024-12-08 cs.DS econ.EM stat.CO
Undocumented Behavior in the gsynth R package and its Consequences for Three Published Studies
Yale（耶鲁大学）
研究发现gsynth包在特定选项组合下因实现错误严重低估标准误，导致假阳性率升高，并影响三篇APSR论文的结论。
2026-09-17 stat.ME
R package imputeTestbench to compare imputations methods for univariate time series
本文介绍了R软件包imputeTestbench，它提供了一个测试平台，用于比较单变量时间序列中缺失数据的插补方法。imputeTestbench软件包可用于模拟完整数据集中缺失数据的数量和类型，并使用不同的插补方法比较填充数据。用户可以选择完全随机或在不同大小的块中删除观测值来模拟缺失数据。该软件包中包含几种默认插补方法，包括历史均值、线性插值和末次观测值结转。测试平台不限于默认功能，用户可以使用简单的两步过程添加或删除其他方法。测试平台将每种方法的实际缺失数据和插补数据与不同的误差指标进行比较，包括RMSE、MAE和MAPE。用户还可以提供替代的错误度量。该软件包的一个显著优点是使用简单，并显著减少了比较单变量时间序列中缺失数据的插补方法的时间。本文概述了核心功能，包括示例演示。
2016-11-04 cs.MS stat.ME
sensobol: an R package to compute variance-based sensitivity indices
R软件包"sensobol"提供了几个函数来进行基于方差的不确定性和敏感性分析，从敏感性指数的估计到结果的可视化表示。它实现了几个国家的最先进的第一和总阶估计，并允许计算高达三阶的影响，以及近似误差，在一个快速和用户友好的方式。它的灵活性使其也适用于具有标量或多变量输出的模型。我们通过对三个经典模型进行基于方差的敏感性分析来说明它的功能：Sobol '（1998）G函数，Verhulst（1845）的Logistic种群增长模型，以及Ludwig，Jones和Holling（1976）的云杉芽虫和森林模型。
2021-12-03 stat.AP stat.CO
BayesPPD: An R Package for Bayesian Sample Size Determination Using the Power and Normalized Power Prior for Generalized Linear Models
R软件包BayesPPD（Bayesian Power Prior Design）支持将历史数据与广义线性模型（GLM）的功效先验和归一化功效先验合并后的贝叶斯功效和第一类错误计算以及模型拟合。该包可容纳汇总水平数据或具有协变量信息的受试者水平数据。它支持使用多个历史数据集以及没有历史数据的设计。响应的支持分布包括正态分布、二进制分布（Bernoulli/binomial）、泊松分布和指数分布。功效参数$a_0$可以是固定的，或者使用这些分布中的每一个的归一化功效先验来随机建模。此外，该软件包支持使用任意采样先验来计算贝叶斯功效和第一类错误率，并具有GLM的特定功能，可以从历史数据半自动生成采样先验。由于GLM的样本量确定（SSD）是计算密集型的，已经实现了基于渐近理论的近似方法，以支持使用功率先验的应用。除了描述统计方法学和功能包中实现的SSD，我们还展示了使用贝叶斯PPD在两个全面的案例研究。
2021-12-29 stat.AP
RMM: An R Package for Customer Choice-Based Revenue Management Models for Sales Transaction Data
我们开发了一个R包RMM，使用Cho等人（2020）中介绍的鲁棒需求估计（RDE）方法来实现条件Logit（CL）模型，这是一种基于客户选择的$\textbf{R}$ evenue $\textbf{M}$和$\textbf{M}$模型。在商业中，重要的是要了解客户的选择行为和偏好时，产品价格随着时间的推移和不同的客户。然而，由于不可观察的无购买客户（即，截短的需求问题）。使用RDE方法拟合的CL模型，使产品价格频繁变化的更一般的效用模型成为可能。它不需要将销售数据汇总到时间窗口中来捕捉每个客户的选择行为。本研究使用真实的酒店交易数据引入R包RMM提供的功能，使用户能够适应CL模型使用RDE方法以及估计的选择概率，大小的无购买客户，和他们的标准误。
2022-09-06 stat.AP stat.CO
lqmix: an R package for longitudinal data analysis via linear quantile mixtures
本文介绍R包lqmix，用于估计纵向数据中具有未指定分布随机系数的线性分位数回归模型，采用扩展EM算法估计参数，并通过块自助法计算标准误差。
2025-10-17 stat.CO stat.ME
moveEZ: An R Package for Animated Biplots
该研究提出了一种用于构建动画PCA双图的R包moveEZ，通过动画展示多变量结构在有序分类变量层次上的演变，支持高维数据集及分组结构，并可与gganimate集成生成高质量动画。
2026-05-21 cs.GR stat.CO
robumeta: An R-package for robust variance estimation in meta-analysis
元回归模型通常用于合成和比较效应量。不幸的是，传统的元回归方法是装备不良，以处理复杂的，往往是未知的非独立效应大小之间的相关性。稳健方差估计（RVE）是最近提出的一种处理相关效应量的元分析方法。robumeta软件包提供了在各种加权方案下使用大样本和小样本RVE估计器执行稳健方差元回归的功能。这些方法是分布自由的，并提供有效的点估计，标准误和假设检验，即使在效果大小之间的依赖程度和结构是未知的。
2015-03-07 stat.ME
The R package $\texttt{ebmstate}$ for disease progression analysis under empirical Bayes Cox models
软件包$\texttt{mstate}$与软件包$\texttt{survival}$相结合，不仅提供了一个完善的R语言多状态生存分析框架，而且也是最完整的框架之一，因为它包括相对转移风险、累积转移风险和状态占用概率的点估计和区间估计，都是在时钟向前和时钟重置模型下;个性化估计值，即具有特定协变量测量值的个体的估计值，也可以通过拟合Cox回归模型用$\texttt{mstate}$获得。新的R包$\texttt{ebmstate}$，我们目前在本文中，是一个扩展的$\texttt{mstate}$，据我们所知，第一个R包的多状态模型估计，适用于高维数据和完整的意义上刚才提到的。它是对$\texttt{mstate}$的三方面扩展：它将Cox模型转换成一个正则化的经验贝叶斯模型，该模型在高维数据下表现得更好;它用非参数bootstrap置信区间代替了用于低维设置的渐近置信区间;它引入了一个分析性的，时钟重置模型的状态占用概率的基于傅立叶变换的估计器，比$\texttt{mstate}$中相应的基于仿真的估计器快得多。本论文包括一个详细的教程，如何使用我们的包来估计过渡危险和状态占用概率，以及模拟研究，显示它如何提高性能的$\texttt{mstate}$。
2022-01-19 stat.CO stat.ME
reslr: An R package for relative sea level modelling
本文介绍R包reslr，提供统一框架进行相对海平面数据的贝叶斯建模，支持多种统计模型、多维度测量误差处理及带不确定性的曲线导数计算，并附北美大西洋沿岸示例数据集。
2023-06-19 stat.AP
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
spOccupancy: An R package for single-species, multi-species, and integrated spatial occupancy models
占领建模是一种常见的方法来评估空间和时间的物种分布模式，同时明确占测量误差常见的检测-非检测数据。基本的单物种占有模型存在许多扩展，以解决动态，多个物种或状态，相互作用，假阳性错误，自相关，并整合多个数据源。然而，开发专门的和计算效率高的软件，以适应空间模型的大型数据集是稀缺或缺乏。我们介绍了spOccupational R包，旨在适应单物种，多物种，和集成的空间明确的占用模型。使用贝叶斯框架，我们利用Pólya-Gamma数据增强和最近邻高斯过程来确保模型对于潜在的海量数据集具有计算效率。spOccupational为数据模拟、模型拟合、模型验证（通过后验预测检查）、模型比较（使用信息标准和k折交叉验证）和样本外预测提供了用户友好的功能。我们通过一个小插曲，模拟数据分析，和两个鸟的案例研究，我们估计发生的黑喉绿莺（Setophaga virens）在整个美国东部和物种丰富度的树叶拾荒鸟类社区在美国新罕布什尔州的哈伯德溪实验森林的功能。spOccupational软件包提供了一种用户友好的方法来拟合各种单一和多物种占用模型，即使对于大型数据集，也可以直接解决物种分布模型中的检测偏差和空间自相关问题。
2022-05-03 stat.AP
krippendorffsalpha: An R Package for Measuring Agreement Using Krippendorff's Alpha Coefficient
R包krippendorffsalpha提供了使用Krippendorff的Alpha系数测量一致性的工具，这是一种众所周知的非参数一致性测量（也称为评分者间可靠性和其他各种名称）。本文首先以一种自然的方式发展了Krippendorff的Alpha，并将Alpha置于统计过程中。然后，通过分析两个数据集，其中后者是在髋关节软骨的成像研究过程中收集的包krippendorffsalpha的使用说明。该软件包允许用户应用Alpha方法，使用内置的距离函数进行标称，有序，间隔或比率水平的测量。还支持用户定义的距离函数。拟合函数可以容纳任意数量的单元、任意数量的编码器和缺失。支持Bootstrap推理，Bootstrap计算可以并行进行。
2021-03-22 stat.ME
DriveML: An R Package for Driverless Machine Learning
VMware Software India Pvt. Ltd.（威睿软件印度私人有限公司）
近年来，自动化机器学习的概念变得非常流行。自动化机器学习（AutoML）主要是指随机森林、梯度提升、神经网络等算法的模型选择和超参数优化的自动化方法。本文介绍了一种新的自动化机器学习软件包DriveML。DriveML有助于实现自动化机器学习管道的一些支柱，例如自动化数据准备，功能工程，模型构建和模型解释，通过运行函数而不是编写冗长的R代码。DriveML包在CRAN中可用。我们将DriveML包与CRAN/Github中的其他相关包进行了比较，发现DriveML在不同参数下表现最好。我们还通过在真实世界的数据集上应用具有默认配置的DriveML包来提供说明。总体而言，DriveML的主要优势在于节省开发时间，减少开发人员的错误，优化机器学习模型和可重复性。
2021-08-06 cs.LG stat.ML
Application of Equal Local Levels to Improve Q-Q Plot Testing Bands with R Package qqconf
分位数-分位数（Q-Q）图通常很难解释，因为不清楚与理论分布的偏差必须有多大才能表明缺乏拟合。大多数Q-Q图都可以从添加有意义的全局测试带中受益，但不幸的是，由于当前方法和软件包的缺点，此类带的使用仍然很少。这些缺点包括不正确的全局第一类错误率、缺乏检测分布尾部偏差的能力、大数据集的计算相对较慢以及适用性有限。为了解决这些问题，我们应用等局部水平的全球测试方法，我们已经实现了R包qqconf，一个多功能的工具来创建Q-Q图和概率概率（P-P）图在各种各样的设置，同时测试带快速创建使用最近开发的算法。qqconf可以很容易地用于将全局测试带添加到其他软件包制作的Q-Q图中。除了计算速度快之外，这些波段还具有各种理想的特性，包括精确的全局水平，对零分布所有部分（包括尾部）的偏差具有相同的敏感性，以及适用于一系列零分布。我们说明了qqconf在几个应用中的使用：评估回归残差的正态性，评估p值的准确性，以及在全基因组关联研究中使用Q-Q图。
2022-09-02 q-bio.QM stat.AP stat.CO
ForecastTB An R Package as a Test-Bench for Time Series Forecasting Application of Wind Speed and Solar Radiation Modeling
Aarhus University（奥胡斯大学）；Ton Duc Thang University（东德大学）
本文介绍了一个R软件包ForecastTB，它可以用来比较与时间序列数据集的特性相关的不同预测方法的准确性。ForecastTB是一个即插即用的结构化模块，几种预测方法可以包括简单的指令。所提出的测试平台不限于默认的预测和误差度量功能，用户能够根据需求添加，删除或选择所需的方法。此外，还提供了几个绘图功能和统计性能指标，以可视化不同预测方法的比较性能和准确性。此外，本文还介绍了自然时间序列数据集（即，风速和太阳辐射），以展示ForecastTB包的功能，以评估受数据集特征影响的预测比较分析。建模结果表明，建议的R包ForecastTB的时间序列预测的适用性和鲁棒性。
2020-07-21 cs.CL cs.LG stat.ME
rFIA: An R package for estimation of forest attributes with the Forest Inventory and Analysis Database
森林清查和分析（FIA）是美国农业部林务局的一个项目，旨在监测美国各地森林的变化。FIA拥有世界上最大的生态数据集之一，尽管其复杂性限制了许多潜在用户的访问。rFIA是一个R软件包，旨在使用FIA计划收集的数据简化森林属性的估计。具体地，rFIA通过用户定义的种群边界内的森林变量的时空索引摘要（例如，地理的、时间的、生物物理的）。该软件包实现了多个基于设计的估计，并已验证对官方估计和抽样误差所产生的FIA计划。我们通过评估白蜡树（白蜡树属）的丰度和死亡率的变化来证明rFIA的实用性。种群在密歇根州的下半岛后，建立翡翠灰螟（Agrilus planipennis）。
2020-02-04 stat.AP
si4onnx: A Python package for Selective Inference in Deep Learning Models
Nagoya University（名古屋大学）；Nagoya Institute of Technology（名古屋工业大学）；RIKEN（理化学研究所）
本文提出 si4onnx，一个兼容 PyTorch 和 TensorFlow 的 Python 包，通过控制 I 类错误率的选择性推断评估深度学习模型中输入图像显著区域的统计显著性，以增强 AI 系统的可靠性。
2025-01-29 cs.LG stat.ML
Harmonise and integrate heterogeneous areal data with the R package arealDB
环境和社会经济科学中的许多相关应用使用区域数据，如生物多样性清单，农业统计或社会经济调查。对于超越任何单一数据源的空间、时间或主题范围的应用程序，必须从多个异构源集成数据。不一致的概念、定义或混乱的数据表会使此过程变得乏味且容易出错。迄今为止，仍然缺乏应对这些挑战的专门工具。在这里，我们介绍了R包arealDB，它将异构的面积数据和相关的几何图形集成到一个一致的数据库中，在一个易于使用的工作流程。它有助于协调变量的语言和语义，将数据与几何图形相关联，并记录元数据和出处。我们通过整合两个不同的数据集（巴西，美国）大豆收获面积来说明功能。arealDB承诺提高下游科学、监控和管理应用程序的质量，同时也为数据库整理工作节省大量时间。
2020-07-14 cs.DB stat.AP
Investigation of FWER and Power for Methodological Changes Introduced in the BDOTS R Package
本研究发现原始BDOTS方法存在族系误差率膨胀问题，提出两种替代方案并在多实验条件下比较其FWER与检验效能，验证替代方法更优，为bdots包的方法学更新提供依据。
2025-03-21 stat.AP
edibble: An R package to encapsulate elements of experimental designs for better planning, management and workflow
edibble是一个R包，通过封装实验设计要素为可组合函数，实现实验设计语法，支持多种设计，并促进整体规划与数据管理，提升数据价值。
2023-11-16 stat.CO stat.OT
PERMUTOOLS: A MATLAB Package for Multivariate Permutation Testing
本文提出 PERMUTOOLS，一个基于 MATLAB 的多元置换检验与效应量测量软件包，以无分布的重采样方法替代依赖总体假设的参数方法，并提供更不易产生 II 类错误的最大校正，弥补现有统计软件在高效重采样实现上的不足。
2024-01-17 q-bio.QM stat.CO stat.ME
Trajectory-Oriented Optimization Via Adaptive Thompson Sampling And Grid Refinement: A Tutorial With The ADAPTIVE\_TS Package
Argonne National Laboratory（阿贡国家实验室）；Inria Université Côte d’Azur CNRS LJAD（法国国家信息与自动化研究所尼斯蓝色海岸大学法国国家科学研究中心拉巴斯德联合实验室）
本文介绍了一种无需模拟器复制随机行为假设的轨迹导向优化方法，结合贝叶斯优化和自适应汤普森采样与网格细化，并提供了开源Python包ADAPTIVE_TS的教程及实例。
2026-05-22 stat.AP stat.CO
