Modelling Time-Varying Rankings with Autoregressive and Score-Driven Dynamics
我们开发了一个新的统计模型来分析时变排序数据。该模型可用于大量的排名项目，适应外生随时间变化的协变量和部分排名，并估计通过极大似然在一个简单的方式。排名建模使用Plackett-Luce分布与随时间变化的价值参数，遵循均值回复时间序列过程。为了捕捉价值参数对过去排名的依赖性，我们以广义自回归得分（GAS）模型的方式利用条件得分。仿真实验表明，小样本性质的最大似然估计的时间序列的长度迅速提高，并建议统计推断依赖于传统的海森基于标准误是可用的，即使是中等规模的样本。在实证研究中，我们将该模型的结果的冰球世界锦标赛。我们还讨论了应用排名的基础上的指数，重复调查和非参数效率分析。
2022-07-27 stat.ME
Testing first-order intensity model in non-homogeneous Poisson point processes with covariates
对一阶强度函数进行建模是点过程理论的主要目标之一，迄今为止，人们从不同的角度对它进行了研究。一个吸引人的模型描述了强度作为空间协变量的函数。在最近的文献中，估计理论和几个应用程序已经开发假设这个模型，但没有正式检查这个假设。在本文中，我们解决这个问题的非齐次泊松点过程，提出了一个新的测试的基础上$L^2$距离。我们还证明了统计量的渐近正态性，我们建议一个自助程序来完成校准。两个应用程序与实际数据和模拟研究，以更好地了解我们的建议的性能完成。最后，一些可能的扩展，目前的工作，非泊松过程和多维协变量的情况下进行了详细说明。
2018-07-02 stat.AP stat.ME
Autoregressive Generative Modeling with Noise Conditional Maximum Likelihood Estimation
Yale University（耶鲁大学）
我们介绍了一个简单的修改标准的最大似然估计（MLE）框架。而不是一个单一的无条件的模型下的数据的可能性最大化，我们最大限度地提高了家庭的\textit{noise conditional}的可能性，由一个连续的噪声水平扰动的数据。我们发现，以这种方式训练的模型对噪声更具鲁棒性，获得更高的测试可能性，并生成更高质量的图像。它们也可以通过一种新的基于分数的采样方案进行采样，该方案可以解决自回归模型中样本生成过程中出现的经典\textit{covariate shift}问题。将这种增强应用于自回归图像模型，我们在ImageNet 64 x64数据集上获得了每维3.32位，并在CIFAR-10数据集上从37.50到12.09的Frechet Inception距离（FID）方面大幅提高了生成样本的质量。
2022-10-19 cs.LG stat.ML
Black-Box Autoregressive Density Estimation for State-Space Models
Newcastle Univeristy（纽卡斯尔大学）
状态空间模型（SSM）为时间序列数据建模提供了一个灵活的框架。因此，SSM被广泛应用于工程、计量经济学和流行病学等领域。在本文中，我们提供了一个快速的方法，近似贝叶斯推断在SSM使用深度学习和变分推断的工具。
2018-11-21 cs.LG stat.ML
A General Modeling Framework for Network Autoregressive Processes
本文提出了一个灵活的网络自回归过程（NAR）框架，其中每个节点的响应线性依赖于其过去的值，一个预先指定的线性组合的相邻节点和一组节点特定的协变量。相应的系数是节点特定的，而框架可以容纳更重的比高斯误差与空间自回归和因子为基础的协方差结构。我们提供了一个充分条件，确保稳定性（平稳性）的基本NAR是显着弱于其同行在文献中以前的工作。此外，我们开发了普通和广义最小二乘估计为固定的，以及一个发散的网络节点数，并提供其岭正则化的同行，表现出更好的性能，在大型网络设置，连同他们的渐近分布。我们还解决了错误指定网络连接及其对上述各种NAR参数估计的渐近分布的影响的问题。该框架说明了合成和真实的空气污染数据。
2021-10-18 math.ST stat.ME stat.TH
Modelling Directed Networks with Reciprocity
本文研究有向网络中互惠性建模的有效样本量问题，分析带互惠性的Bernoulli模型及其扩展，并提出一种无需预知稀疏水平的最大似然推断方法。
2024-11-19 stat.ME
Testing for residual correlation of any order in the autoregressive process
我们感兴趣的是在一个稳定的自回归过程中的线性自相关驱动噪声的影响，通常的最小二乘估计的渐近行为。我们表明，最小二乘估计是不一致的，我们建议一个尖锐的分析，其几乎必然的极限值以及它的渐近正态性。我们还建立了驱动噪声序列相关参数估计的几乎必然收敛性和渐近正态性。然后，我们推导出一个统计过程，使任何顺序的自回归模型的残差的相关性测试，给出明显优于常用的组合测试的Ljung-Box和Box-Pierce的结果，并出现优于小样本的Breusch-Godfrey程序。
2017-03-13 math.ST stat.TH
Clustered multi-state models with observation-level random effects, mover-stayer effects and dynamic covariates: Modelling transition intensities and sojourn times in a study of psoriatic arthritis
在银屑病关节炎中，重要的是要了解关节活动（以肿胀和疼痛为代表）和损伤过程，因为两者都与严重的身体残疾有关。本文的目的是提供一个全面的调查，这两个过程发生随着时间的推移，特别是他们的关系，通过指定一个联合多状态模型在个人的手关节水平，这也占了他们的许多重要功能。由于存在多个手部关节，因此这种分析将基于使用聚类多状态模型。在这里，我们考虑一个观察水平的随机效应结构与动态协变量，并允许的可能性，一个亚群的患者是在最小的损害风险。这样的分析被认为提供了进一步的了解活动损害的关系超出了以前的分析提供。考虑到平均逗留时间和跳跃概率的建模。特别是，提出了一种新的模型参数化，它可以很容易地解释协变量的影响，这些数量的作用。
2017-04-03 stat.AP
High-dimensional Linear Regression for Dependent Data with Applications to Nowcasting
最近的研究集中在高维线性回归的$\ell_1$惩罚最小二乘（Lasso）估计，其中协变量$p$的数量远远大于样本量$n$。然而，很少有研究探讨的性质时，误差和/或协变量是序列依赖的估计。在这项研究中，我们调查的Lasso估计的理论性质的线性回归与随机设计和弱稀疏性下的系列相关和/或nonsubGaussian误差和协变量。在传统的情况下，其中的错误是独立和同分布的，并有有限的指数矩，我们表明，$p$可以在最多的权力$n$，如果错误只有有限的多项式矩。此外，由于误差和协变量的序列相关性，收敛的收敛速率变慢。我们还考虑了使用Lasso估计的模型选择的符号一致性，当误差或协变量或两者都存在序列相关性时。采用函数相关测度的框架，我们描述了如何收敛速度和选择一致性的估计依赖于依赖措施和矩条件的误差和协变量。仿真结果表明，在不相关变量的存在下，Lasso回归可以比混合频率数据采样回归（MIDAS）和Dantzig选择器更强大。我们将Lasso方法得到的结果应用于混合频率数据的临近预报，其中序列相关误差和协变量的大量是常见的。实证结果表明，Lasso程序优于MIDAS回归和自回归模型与外生变量的预测和临近预报。
2022-05-02 math.ST stat.AP stat.ME
Unit-Weibull Autoregressive Moving Average Models
本文提出单位威布尔自回归移动平均模型，用于建模(0,1)区间连续变量，采用部分极大似然估计，并通过模拟和美国制造业产能利用率数据验证其预测性能。
2022-11-03 math.ST stat.ME stat.TH
Imputation for High-Dimensional Linear Regression
我们研究了协变量中含有缺失项的高维回归。实践中的一个常见策略是用适当的替代品对缺失的条目进行\emph{impute}，然后执行标准统计程序，就好像协变量被完全观察到一样。最近关于这个问题的文献提出，而不是设计一个特定的，往往是复杂的或非凸的，算法的情况下，失踪的协变量。我们研究了一种更简单的方法，在这种方法中，我们用给定观测协变量的条件均值填充缺失项。我们表明，这种插补方案加上标准的现成程序，如LASSO和平方根LASSO保留了随机设计设置中的最小最大估计率，其中协变量是i.i.d.。亚高斯我们进一步表明，平方根LASSO保持\emph{pivotal}在此设置。通常情况下，条件期望不能精确计算，必须从数据中近似计算。我们研究了两种情况下，协变量要么遵循自回归（AR）过程，或联合高斯稀疏精度矩阵。我们提出了易于处理的估计的条件期望，然后通过LASSO进行线性回归，并显示在两种情况下相似的估计率。我们补充我们的理论结果与模拟合成和半合成的例子，不仅说明了我们的界限的清晰度，而且这种策略超出了我们的理论假设的更广泛的实用性。
2020-01-24 math.ST stat.ME stat.ML
Autoregressive conditional duration modelling of high frequency data
本文探讨了自回归条件久期（ACD）框架下的久期动态模型（恩格尔和罗素1998）。我测试了不同的分布假设的持续时间。实证结果表明，无条件久期接近伽玛分布。此外，与指数分布和威布尔分布相比，具有Gamma分布新息的ACD模型提供了SPY持续时间的最佳拟合。
2021-11-03 econ.EM stat.AP
Inference in covariate-adjusted bipartite network models
Central China Normal University（华中师范大学）；Zhaoqing University（肇庆大学）
本文提出了一种联合建模双分网络中节点异质性和协变量的通用模型，通过矩估计法估计参数，并展示了在某些条件下矩估计量的一致性和渐近正态性。
2026-03-31 math.ST stat.TH
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
Investigating Statistical Inference and Covariate Effects in Shallow Neural Networks
University of Limerick（利默里克大学）
该研究针对浅层前馈神经网络，提出协变量水平Wald检验与类回归系数的协变量效应图，经模拟和保险数据应用验证，可增强其可解释性与统计推断能力。
2026-09-01 stat.ME stat.ML
Statistical Approaches for Modelling Cancer Bioassays
本文讨论了生物测定中常用的矩阵表示法分析数据的可能方法。本文还回顾了多阶段模型（MM）。MM类模型用于外推至低剂量区域。介绍了协变量在实验致癌中的作用，并对协变量的相对有效性进行了评价。当然，所讨论的情况是指不相关的协变量，因此一个开放的问题可能是多共线性预测协变量。各种非线性模型进行了讨论，给予更多的重点是Michaelis-Menten和Fisher的信息，他们讨论
2013-06-24 stat.AP
Joint Count Transformation Models with Covariate-dependent Correlations
Universität Zürich（苏黎世大学）；Universität Marburg（马尔堡大学）
提出联合计数变换模型，结合无分布边际计数变换与协变量依赖的高斯Copula，通过联合最大似然估计高效建模多物种丰度及其相关性，在鸟类案例中捕获季节变化模式。
2026-06-12 stat.ME
Modelling hetegeneous treatment effects by quantitle local polynomial decision tree and forest
为了进一步发展异质处理效应的统计推断问题，本文建立在Breiman（2001）的随机森林树（RFT）和Wager等人。的（2018年）因果树使用经典OLS的优秀统计特性和基于协变量分位数点的局部线性区间划分来参数化非参数问题，同时保留具有可构造置信区间和渐近正态性优点的随机森林树[Athey和Imbens（2016年），Efron（2014年），Wager等人。（2014）\citep{wager2014asymptotic} ]中，我们提出了一种使用根据固定规则的分位数分类与局部样本的多项式估计相结合的决策树，我们称之为分位数局部线性因果树（QLPRT）和森林（QLPRF）。
2022-03-13 econ.EM stat.ML
Partially Specified Spatial Autoregressive Model with Artificial Neural Network
空间自回归模型是Clif和Ord于20世纪70年代提出的一种新的空间自回归模型，目前已广泛应用于区域经济学、公共财政学、政治学、农业经济学、环境研究和交通分析等领域。随着信息技术的迅速发展，观测值之间很少相互独立，因此空间自回归模型可以考虑这种依赖性，并在协变量和目标变量之间得出更可靠的结论。在经典空间模型的基础上，Su和Jin提出了一种半参数模型，称为部分指定空间自回归模型（PSAR），以允许更灵活的建模。为了估计这个非参数分量，我们使用了神经网络模型，该模型增加了经典模型的灵活性，并允许根据不同类型的数据选择不同的激活函数。本文将人工神经网络模型推广到部分指定的空间自回归模型，并提出了极大似然估计代替拟最大似然估计。我们建立了该模型中估计量的相合性和渐近正态性。这些结果是在空间模型和神经网络模型的一些标准条件下得到的。为了说明这一点，我们通过数值模拟研究了有限样本的正态近似的质量，其中有三种常见的误差分布（标准正态、学生t分布和拉普拉斯分布）。我们将我们提出的模型应用于土壤-水紧张问题和芝加哥的犯罪研究。结果表明，我们的模型可以捕捉单位之间的空间依赖性以及目标变量和协变量之间的未知相关结构。
2019-05-13 stat.AP
A semiparametric autorregresive spatial prediction model
Instituto de Economía Aplicada Litoral (IECAL-FCE-UNL), & CONICET（拉普拉塔应用经济研究所（IECAL-FCE-UNL）及阿根廷国家科学研究委员会）；Facultad de Ingeniería Química, (FIQ-UNL) & CONICET（国立圣达菲大学化学工程学院（FIQ-UNL）及阿根廷国家科学研究委员会）
本文提出结合线性协变量和非参数空间项的半参数空间自回归模型，实现灵活依赖建模同时保持可解释性。通过仿真和实证数据验证，预测精度优于地理统计方法，可解释性优于空间计量模型。
2026-04-28 math.ST stat.ME stat.TH
Modelling spatial heterogeneity in the effects of area-level covariates on income distributions using Bayesian nonparametric methods
King’s College London（伦敦国王学院）；University College London（伦敦大学学院）
本文提出NLMFM-C模型，通过混合潜在因子密度分析收入分布变化，探讨空间和协变量效应，应用于美国四个州2016和2020年的微观数据，揭示收入水平和人口特征对收入分布的影响。
2026-04-25 stat.AP stat.ME
Aggregated Gaussian Processes with Multiresolution Earth Observation Covariates
对于许多基于调查的空间建模问题，由于资源有限，在调查区域观察到的响应是空间聚集的。来自天气模型和卫星图像的协变量可以在许多不同的空间分辨率下观测，这使得协变量的预处理成为任何空间建模任务的关键挑战。我们提出了一个高斯过程回归模型，灵活地处理多分辨率协变量，采用加性内核，可以有效地聚合功能的决议。与依赖于分辨率匹配的现有方法相比，我们的方法更好地维护了分辨率之间的分布信息，从而获得更好的性能和可解释性。我们的模型在模拟和作物产量数据集上都具有更强的预测性能和可解释性。
2022-04-01 stat.AP stat.ME
Bayesian Nonparametric Modelling of Joint Gap Time Distributions for Recurrent Event Data
我们提出了自回归贝叶斯半参数模型的等待时间之间的经常性事件。目的有两个：推断可能随时间变化的协变量对间隙时间的影响，并根据复发事件的时间轨迹对个体进行聚类。间隙时间之间的时间依赖性考虑到通过规范的自回归组件的随机效应参数影响的响应在不同的时间。自回归的顺序可以假设为未知和推断的对象，我们考虑两种替代方法来执行模型选择在这种情况下。协变量可以很容易地包含在回归框架中，删失和缺失数据也很容易解释。由于所提出的方法属于Dirichlet过程混合物类，因此可以通过高效的MCMC算法进行后验推理。我们说明了通过模拟和医疗应用程序，涉及癌症患者和连续的尿路感染复发住院治疗的方法。
2016-07-27 stat.AP
Spatio-temporal modelling of extreme storms
一个灵活的时空模型被用于分析1979-2009年大西洋和欧洲上空6小时再分析中客观确定的极端热带外气旋。空间变化的极端属性的气旋捕获使用150个单元格的空间正则化，纬度作为协变量，和空间随机效应。北大西洋涛动（NAO）也被用作协变量，并被发现有一个显着的影响，加强极端风暴的行为，特别是在北欧和伊比利亚半岛。对最低海平面气压下限的估计通常比历史风暴观测到的最低值低10-50百帕，当NAO指数为正值时差异最大。
2015-01-26 stat.AP
Navigating Challenges in Spatio-temporal Modelling of Antarctic Krill Abundance: Addressing Zero-inflated Data and Misaligned Covariates
针对南极磷虾丰度建模中零膨胀数据、协变量时空错位等多源异构数据整合难题，提出基于Hurdle-Gamma模型的综合分析框架，为磷虾保护与捕捞管理提供支撑。
2025-06-17 stat.AP stat.ME
Spatial point process via regularisation modelling of ambulance call risk
本研究探讨紧急报警呼叫事件的空间分布，以识别与事件相关的空间协变量，并识别事件的热点区域。这项研究的动机是问题的发展最佳调度策略，如救护车的院前资源。为了实现我们的目标，我们将空间变化的呼叫发生风险建模为非齐次空间Poisson过程的强度函数，我们假设该过程是一些基础空间协变量的对数线性函数。在这项研究中使用的空间协变量与道路网络覆盖率，人口密度，和人口的社会经济地位在瑞典的Eschleftesteen。一个新的启发式算法已被开发来选择一个最佳的估计的内核带宽，以获得非参数强度估计的事件，并产生其他协变量。由于我们考虑了大量的空间协变量以及它们的乘积，并且其中一些可能是强相关的，因此在对数似然强度建模中使用了套索样弹性网络正则化来执行变量选择并减少过度拟合的方差膨胀和欠拟合的偏差。作为变量选择的结果，拟合的模型结构包含道路网络和人口统计类型的个体协变量。我们发现，热点地区的呼吁已被观察到沿密集的部分道路网络。模型的评价还表明，估计模型是稳定的，可以用来产生一个可靠的强度估计在该地区，这可以被用作输入的问题设计院前资源调度策略。
2022-07-16 stat.AP stat.ME
Spherical Spatial Autoregressive Model for Spherically Embedded Spatial Data
Macquarie University（麦考瑞大学）
本文提出球面空间自回归模型，结合最优传输几何和外生协变量，解决球面嵌入空间数据的统计建模、推断和不确定性量化问题。
2026-01-23 math.ST stat.AP stat.ME
Bayesian semi-parametric forecasting of ultrafine particle number concentration with penalised splines and autoregressive errors
观测的时间序列数据往往表现出周期性的时间趋势和自相关性，也可能依赖于协变量。因此，需要能够捕获这些趋势并同时对任何剩余自相关进行建模的灵活回归模型。对残差中的自相关进行建模，比假设独立性更能得到更真实的预测。在本文中，我们提出了一种方法，结合样条半参数回归建模的自回归误差的建模。该方法被应用到一个模拟的数据集，以显示其有效性和超细颗粒数浓度在芬兰赫尔辛基，以显示其在现实世界中的问题。
2012-09-25 physics.ao-ph physics.data-an stat.AP
A Bayesian binomial regression model with latent Gaussian processes for modelling DNA methylation
表观遗传观察结果由来自给定细胞池的读数总数和甲基化读数的数量表示，使得通过二项分布对该数据进行建模是合理的。有许多因素可以影响在特定区域的成功概率。此外，这些概率具有很强的空间（与基因组一起）依赖性。我们将依赖于协变量和空间依赖的甲基化概率的观察池的细胞通过一个二项式回归模型与潜在的高斯场和logit链接函数。我们采用贝叶斯方法，包括模型配置的先验规范。为了得到参数和模型的联合后验分布，我们在不同的协变量选择上运行跳模马尔可夫链蒙特卡罗算法（MJMCMC）。这还允许找到最佳协变量集以对感兴趣的基因组区域内的甲基化概率和协变量的个体边缘包含概率进行建模。
2020-04-28 q-bio.GN q-bio.QM stat.AP
Statistical handling of reproduction data for exposure-response modelling
通过标准生物测定收集的生殖数据通过回归进行经典分析，以拟合浓度-响应曲线并估计ECx值（x%有效浓度）。但回归经常被滥用于此类数据，忽略了与i）生殖数据（计数数据）的特殊性质，ii）潜在的重复间变异性和iii）可能伴随的死亡率相关的统计问题。本文为处理这些问题提供了新的见解。关于死亡率，特别注意不要浪费任何有价值的数据-通过丢弃具有死亡率的所有重复-或使ECx值偏倚。为此，我们定义了一个新的协变量，将每个个体对繁殖过程的贡献的观察期相加。然后将该协变量用于量化繁殖-对于每个浓度下的每个重复-作为每个个体日的后代数量。我们制定了三个不同的随机响应模型。这些模型被拟合到四个数据集，并使用贝叶斯框架进行比较。个体日单位被证明是一种合适的方法，可以使用所有可用数据并防止ECx值估计中的偏倚。此外，非经典负二项模型显示可正确描述研究数据集中观察到的重复间变异性。
2014-04-26 stat.AP
Extremal properties of max-autoregressive moving average processes for modelling extreme river flows
本文研究平稳 Max-ARMA 过程的极值性质，首次提出推导其极值指标和滞后渐近依赖系数的方法，并基于重新参数化拟合模型以捕捉高阈值下的河流流量行为，用英国泰晤士河数据进行了验证。
2024-03-25 math.ST stat.AP stat.ME
Multilevel latent class (MLC) modelling of healthcare provider causal effects on patient outcomes: Evaluation via simulation
如果需要对医疗保健提供者的绩效进行比较，则必须在提供者之间平衡患者的特征和感兴趣的健康状况，以便进行公平比较。这在观察性数据中不太可能可行，因为患者人群特征可能因地理位置而异，患者护理可能因健康状况特征而异。我们基于先前使用的真实世界数据集模拟了患者和提供者的数据，并在较高水平上分别考虑了二元和连续协变量效应。多层潜在类（MLC）建模提出了分区的预测重点在病人的水平（容纳casemix）和因果推断重点在供应商的水平。MLC模型恢复了一系列模拟的信任水平效应。中位恢复值几乎与二进制信任水平协变量的模拟值相同，并且我们观察到至少有3个潜在信任类的连续信任水平协变量的成功恢复。可信区间随着误差方差的增加而变宽。MLC方法成功地划分了预测和因果推断的建模，解决了这两种不同分析策略之间的潜在冲突。这改进了仅针对差异选择进行调整的策略。患者水平的变化和测量的不确定性被容纳在潜在的类。
2019-09-03 stat.AP stat.ME
Generalized network autoregressive modelling of longitudinal networks with application to presidential elections in the USA
本文提出带交互项的 community-α GNAR 模型并给出有限样本误差界，用于分析高维纵向网络，且通过1976–2020年美国各州选举数据揭示任期、2016年变化及红蓝州差异。
2025-03-13 math.ST stat.AP stat.ME
Modelling collinear and spatially correlated data
在这项工作中，我们提出了一种统计方法来区分和解释的复杂关系之间的几个预测因子和一个响应变量在小区域水平上，在存在i）预测因子和ii）空间相关性的响应。高度相关的协变量在标准多元回归模型中使用时会产生共线性问题。在文献中已经提出了许多方法来解决这个问题。一种非常常见的方法是创建一个索引，将所有高度相关的变量聚合在一起。例如，众所周知，通过多重残疾指数（IMD）衡量的社会剥夺与空气污染之间存在关系;然后将该指数用作评估空气污染对健康结果（例如呼吸系统住院或死亡率）影响的混杂因素。然而，具体研究IMD的每个领域及其与空气污染的关系，以更好地理解其在流行病学分析中作为混杂因素的作用，将提供更多信息。在本文中，我们说明了如何可以解构和分析使用配置文件回归，贝叶斯非参数模型的聚类响应和协变量同时IMD和空气污染的域之间的复杂关系。此外，我们包括一个内在的空间条件自回归（ICAR）的长期占空间相关的响应变量。
2016-02-22 stat.AP
Bayesian spatial modelling framework for assessing residential flood risk in property insurance
研究针对保险风险建模空间异质性问题引入点参考贝叶斯框架，结合多种数据比较不同模型，用集成嵌套拉普拉斯近似推断。结果显示考虑空间依赖性可改进建模，随机偏微分方程公式表现更佳，该框架能增强预测等，是洪水保险中相关模型的首次应用。
2026-09-24 stat.AP
Spatiotemporal modelling of sea duck abundance: implications for marine spatial planning
有效的海洋空间规划需要关于可能易受人为变化影响的生物资源的分布和丰度的信息。在北美，海洋鸟类的空间明确的丰度估计是必要的，以评估潜在的影响，从计划的海上风能开发（OWED）。海鸭在这方面特别相关，因为大多数北美物种的数量低于历史水平，欧洲的研究表明OWED。我们使用广义加性模型和条件丰度与广义可加模型的位置，规模和形状的物种占用建模，随后结合模型来估计无条件丰度。我们使用海鸭（普通绒鸭[Somateria mollissima]，黑苏格兰鸭[Melanitta americana]，冲浪苏格兰鸭[M. perspicillata]、白翅滨鹬[M. deglandi]和长尾鸭[Clangula hyemalis]），该地区是北美东部越冬海鸭最集中的地区之一，并提出了454 MW的OWED。我们的物种分布和丰度建模方法提供了几个有用的功能，包括（1）能够模拟所有的条件分布参数作为协变量的函数，（2）综合变量减少和选择之间的许多协变量，（3）综合模型选择，（4）有效地纳入平滑效应，以捕捉时空趋势解释不好的其他协变量。这种建模方法应被证明是有用的海洋空间规划者在选址OWED，同时考虑关键的栖息地和地区可能容易受到人为压力。此外，该方法同样适用于陆生或水生系统。
2017-05-01 stat.AP stat.ME
Beyond Equidistant Assumptions: An Autoregressive Ordered Stereotype Model for Ordinal Time Series
Athens University of Economics and Business（雅典经济与商业大学）；Universitat Politècnica de Catalunya -BarcelonaTech (UPC)（加泰罗尼亚理工大学）
提出自回归有序刻板模型（AR-OSM），通过引入滞后响应作为协变量捕捉序列依赖，允许数据决定类别间距而非假设等距，适用于婴儿睡眠状态等不等距场景。
2026-06-29 stat.AP stat.ME
Population counts along elliptical habitat contours: hierarchical modelling using Poisson-lognormal mixtures with nonstationary spatial structure
生态学家经常解释种群空间分布的变化对环境特征的反应，但如果潜在的影响和空间和时间的相关性没有得到适当的解释，那么很难解开个体变量的影响。在这里，我们使用层次模型的基础上泊松对数正态混合，以了解空间变化的相对丰度（每标准化单位的努力计数）的黄鲈鱼，鲈鱼，最丰富的鱼类物种在圣皮埃尔湖，魁北克省，加拿大。该混合物采用了空间变化的环境协变量，代表当地的栖息地特征，和随机的时间和空间效应，捕捉未观察到的生态过程的影响。采样设计覆盖了湖的边缘，但没有覆盖湖的中心区域。我们适合空间广义线性混合模型的基础上三个不同的先验协方差结构的本地潜在的影响：一个单一的高斯过程（GP）的湖泊，一个GP在一个圆圈，和独立的GP为每个岸边。这些模型允许独立性、各向同性或非平稳空间效应。非平稳性处理使用两种不同的方法，几何各向异性，并列入协变量的潜在空间过程的相关结构。所提出的空间域的规范和选择的高斯过程先验的方法可能会被证明是有用的，在其他应用中，涉及沿不规则轮廓或在不连续的空间域的空间相关性。
2015-05-16 stat.AP
Gaussian Process Priors for Dynamic Paired Comparison Modelling
University of Melbourne（墨尔本大学）
动态配对比较模型，如Elo和Glicko，经常用于体育预测和排名球员或球队。我们提出了一种替代的动态配对比较模型，它使用一个高斯过程（GP）作为先验的时间动态，而不是通常假设的马尔可夫动态。此外，我们表明，GP模型可以很容易地纳入协变量。基于拉普拉斯近似和稀疏线性代数，我们导出了一个有效的近似贝叶斯推断过程。我们选择超参数最大化其边际似然使用贝叶斯优化，比较结果与随机搜索。最后，我们在2018赛季的ATP网球比赛中拟合和评估了该模型，在那里它表现得很有竞争力，在对数损失方面优于Elo和Glicko，特别是当包含表面协变量时。
2019-02-20 cs.LG stat.AP stat.ML
Emulating the dynamics of complex systems using autoregressive models on manifolds (mNARX)
ETH Zürich（苏黎世联邦理工学院）
提出mNARX方法，通过构建最优外生输入流形并分解子问题，高效准确模拟复杂动力系统，在弹簧-质量系统和风力发电机模拟中优于传统自回归代理。
2023-10-12 cs.LG stat.AP stat.CO
Integrating Complex Covariate Transformations in Generalized Additive Models
University of Edinburgh（爱丁堡大学）；University of Bristol（布里斯托大学）；Électricité de France R&D（法国电力公司研发部）
本文提出在广义加性模型中整合可解释的数值变量变换框架，通过最大后验方法联合估计参数，用于预测英国电力净需求和伦敦房价。
2026-03-27 stat.AP stat.ME
An utopic adventure in the modelling of conditional univariate and multivariate extremes
HEC Montréal（HEC蒙特利尔）；Indian Institute of Technology Kanpur（坎普尔印度理工学院）
本文针对条件单变量和多变量极值建模中的四个挑战，提出新的交叉验证方法、验证指标及联合超出行概率公式，探讨模型验证与自定义估计策略。
2023-12-21 stat.AP stat.ME
Which modelling choices shape your interpolation map? An Optimal Transport sensitivity analysis for groundwater sulfate concentration
本研究提出一种基于最优传输的全局敏感性分析方法，将空间预测图的不确定性归因于建模选择，并应用于巴黎盆地地下水硫酸盐浓度制图，发现协变量选择和网格分辨率是主要不确定性来源。
2026-10-06 stat.AP stat.ME
A unifying modelling approach for hierarchical distributed lag models
提出统一框架实现分布滞后模型，基于惩罚GAMs支持贝叶斯推断与分层结构，应用于死亡率数据发现湿度在寒冷时增加风险。
2024-07-18 stat.AP stat.ME
On the modelling of multivariate counts with Cox processes and dependent shot noise intensities
在本文中，我们开发了一种方法来建模和估计几个，依赖计数过程，使用粒度数据。具体来说，我们开发了一个多变量Cox过程与散粒噪声强度共同建模计数（如保险索赔）的到达过程。利用Lévy Copula函数将多变量散粒噪声强度过程连接起来，引入了相关结构.总的来说，我们的方法允许（i）每个业务线内的过度分散和自相关性;（ii）涉及时变、已知协变量的现实特征;以及（iii）过程之间的简约依赖性，而不需要同时的主要（例如事故）事件。明确纳入随时间变化的，已知的协变量可以适应真实数据的特性，从而促进在实践中的实施。在保险方面，这些可能是保单数量随时间的变化，以及季节性模式和趋势，这可以解释多个索赔流程之间的一些关系（依赖性），或者至少有助于梳理这些关系。最后，我们开发了一个过滤算法的基础上的可逆跳马尔可夫链蒙特卡罗（RJMCMC）方法来估计潜在的随机强度和说明模型校准使用真实数据从AUSI数据集。
2020-12-03 q-fin.RM stat.AP
Modelling Spatial Regimes in Farms Technologies
我们利用来自地理坐标的信息，内生地确定空间制度的技术，是各种复杂的，动态的相互作用的结果，特定地点的环境变量和农民的技术决策，这往往是没有观察到在农场一级。控制未观察到的异质性是实证研究中的一个基本挑战，因为如果不这样做，可能会产生模型错误指定，并排除因果推断。在这篇文章中，我们采用了两个步骤的程序来处理未观察到的空间异质性，而占空间依赖性的横截面设置。该程序的第一步需要明确未观察到的空间异质性考虑到内生地确定遵循类似的本地生产计量经济模型，即空间生产制度的农场的子集。第二步包括在空间自回归模型的自回归干扰和空间制度的规格。该方法适用于两个区域样品的橄榄种植农场在意大利。主要结论是，确定空间制度有助于更详细地了解生产环境，并提供更准确的信息，以指导推广服务和决策者。
2017-12-14 stat.AP stat.CO
Regression approaches for modelling genotype-environment interaction and making predictions into unseen environments
University of Hohenheim（霍恩海姆大学）；Bangladesh Rice Research Institute (BRRI)（孟加拉国水稻研究所）
本文提出了一种基于回归方法的基因型-环境互作建模框架，通过多种方法评估新环境预测的不确定性。
2025-10-27 stat.AP stat.ME
Density regression via Dirichlet process mixtures of normal structured additive regression models
本文提出单权重相依 Dirichlet 过程正态结构化加法回归混合模型，利用惩罚 B 样条和张量积实现灵活密度回归，并通过闭式满条件分布支持高效 Gibbs 后验推断。
2024-05-13 stat.AP stat.ME
Hierarchical Additive Modeling of Nonlinear Association with Spatial Correlations-An Application to Relate Alcohol Outlet Density and Neighborhood Assault Rates
以前的研究表明，酒精出口和攻击性暴力之间存在联系。在本文中，我们探讨了随着时间的推移，在人口普查区一级的酒精供应对攻击性犯罪的影响。统计分析受到数据的几个特征的挑战：（1）可能的协变量（例如，每个人口普查区的酒精出口密度）对攻击性犯罪率的影响可能是复杂的;（2）协变量可能彼此高度相关;（3）数据中有很多缺失的输入;（4）结果攻击性犯罪率存在空间相关性。我们提出了一个分层加性模型，其中的非线性相关性和复杂的相互作用的影响建模使用的多重加性回归树（MART）和空间方差的攻击率，不能解释指定的协变量是平滑槽的条件自回归（CAR）模型。我们开发了一个两阶段的算法，将非参数树与CAR连接起来，寻找与攻击性犯罪率相关的重要变量协变量，同时考虑到相邻人口普查区域之间的空间相关性。利用1990-1999年洛杉矶市的实际数据进行了验证，并与传统方法进行了比较。
2008-02-04 stat.AP stat.ME
Spatiotemporal Autoregressive Models for Areal Compositional Data
University of Glasgow（格拉斯哥大学）
本文提出一种空间时间多变量自回归模型，用于分析区域层面的组成数据，通过准最大似然估计方法联合建模时间动态和空间依赖性，应用于柏林住房市场和西班牙经济领域。
2026-03-13 econ.EM math.ST stat.AP
