Improved Dynamic Predictions from Joint Models of Longitudinal and Survival Data with Time-Varying Effects using P-splines
在心胸外科手术领域,在手术后随时间监测瓣膜功能。我们研究的动机来自一项研究,其中包括在主动脉位置接受人体组织瓣膜的患者。对这些患者进行前瞻性随访,随时间推移进行标准化超声心动图瓣膜功能评估。瓣膜介入或患者死亡可能导致失访。人体瓣膜的主要特征之一是其耐久性有限。因此,获得一个预后模型是有意义的,以便医生扫描瓣膜功能随时间的趋势,并计划他们的下一次干预,说明数据的特征。几位作者专注于在纵向和生存数据框架的标准联合建模下得出预测,该框架假设连接纵向和生存结果的系数具有恒定效应。然而,在我们的情况下,这可能是一个限制性的假设。由于瓣膜退化,生物标志物与存活率之间的关联可能随时间而改变。为了提高动态预测,我们提出了一个贝叶斯联合模型,允许一个随时间变化的系数连接的纵向和生存过程,使用P-样条。我们评估的歧视和校准方面的模型的性能,同时占审查。
2017-07-03 stat.AP
Trend Filtering -- I. A Modern Statistical Tool for Time-Domain Astronomy and Astronomical Spectroscopy
对具有不同平滑度的一维信号进行去噪的问题在时域天文学和天文光谱学中是普遍存在的。例如,在时域中,天体可能表现出平滑变化的强度,偶尔会被突然的下降或尖峰打断。同样,在光谱设置中,无噪声光谱通常包含与局部较高频率分量(诸如发射峰和吸收线)混合的相对平滑的间隔。在这项工作中,我们提出了趋势滤波,一个现代的非参数统计工具,产生显着的改善,在这个广泛的问题空间去噪$spatially$ $heterogeneous$信号。当潜在信号在空间上是不均匀的时,趋势滤波优于任何作为观测数据的线性组合的统计估计-包括核平滑器、LOESS、平滑样条、高斯过程回归和许多其他流行的方法。此外,可以经由专门的凸优化算法以实际和可扩展的效率计算趋势过滤估计,例如,在几分钟内处理$n\gtrsim10^7$的样本大小。在一个配套文件中,我们明确地证明了广泛的效用的趋势过滤观测天文学进行了一系列不同的光谱和时域分析。
2020-01-10 astro-ph.CO astro-ph.EP astro-ph.IM
A Bayesian approach to the global estimation of maternal mortality
产妇死亡率的定义是每100 000名活产婴儿中的产妇死亡人数。联合国孕产妇死亡率估计机构间小组定期公布具体国家的孕产妇死亡率估计数,以跟踪减少孕产妇死亡方面的进展,并评估与千年发展目标5有关的区域和国家绩效,该目标要求在1990年至2015年期间将孕产妇死亡率降低75%。直到2014年,联合国MMEIG使用多层次回归模型为没有足够数据的国家提供估计。虽然这一模式过去在评估数据有限的国家的孕产妇死亡率水平方面运作良好,但对于已经有较长时间序列观察数据的国家而言,这一模式在千年发展目标5的最终报告方面被认为不能令人满意,因为从结构上看,孕产妇死亡率的估计趋势仅由协变量驱动,不一定跟踪数据驱动的趋势。我们开发了一个贝叶斯孕产妇死亡率估计模型,它扩展了UN MMEIG多水平回归模型。新模型通过纳入ARIMA时间序列模型来评估数据驱动的趋势,该模型捕捉产妇死亡率变化率的加速和减速。不同的报告和数据质量问题在特定于源的数据模型中得到考虑。修订后的模型提供了孕产妇死亡率水平和趋势的数据驱动估计数,将用于所有国家的千年发展目标5报告。
2015-11-10 stat.AP
A Non-stationary, Amortized, Transfer Learning Approach for Modeling Italian Air Quality
University of Bergamo(贝加莫大学);Colorado School of Mines(科罗拉多矿业学院)
本文提出一种非平稳迁移学习框架,结合化学传输模型和地面站数据,实现意大利2023年每日NO₂浓度精细网格预测及不确定性量化。
2026-04-20 stat.AP
BASTION: A Bayesian Framework for Trend and Seasonality Decomposition
Cornell University(康奈尔大学)
BASTION是一种基于贝叶斯方法的时序分解框架,能够准确估计趋势和季节性,增强鲁棒性并提供稳健的不确定性量化。
2026-01-26 econ.GN q-fin.EC stat.ME
Uncertainty quantification of a multi-component Hall thruster model at varying facility pressures
University of Michigan(密歇根大学)
本文采用贝叶斯推断校准含阴极、放电和羽流子模型的耦合霍尔推力器模型,量化不同设备压力下的预测不确定性,并验证其跨工况、跨设施及在轨外推能力。
2025-10-21 physics.comp-ph physics.plasm-ph stat.AP
VCBART: Bayesian trees for varying coefficients
针对现有变系数模型难以处理多元效应修饰变量的问题,提出VCBART,利用贝叶斯加性回归树灵活估计协变量效应,在估计、不确定性量化和预测上优于现有方法,并通过两个案例验证了其有效性。
2024-09-24 stat.ME
Bayesian Estimation of Population-Level Trends in Measures of Health Status
要改善全世界的健康状况,就需要对人口健康状况的趋势进行严格的量化。然而,全球一级的调查是不可用的,迫使研究人员依靠质量参差不齐的零碎的国别数据。我们提出了一个贝叶斯模型,系统地结合不同的数据,使国家,区域和全球一级的时间趋势估计的重要健康指标。该模型考虑到时间和年龄的非线性,它借用了时间、年龄、协变量以及区域国家集群内部和跨区域国家集群的力量,以便在数据稀疏的情况下进行估计。贝叶斯方法允许我们从缺失以及采样和参数不确定性的各个方面来考虑不确定性。MCMC采样允许在高维的、受约束的参数空间中进行推断,同时提供允许对各种感兴趣的泛函进行直接推断的后验绘制。在这里,我们使用血压作为健康指标的示例。高血压是心血管疾病的主要危险因素,心血管疾病是全球死亡的主要原因。研究结果强调了一个风险转变,高收入地区的血压水平下降,而许多低收入地区的血压水平上升。
2014-05-19 stat.ME
Drift vs Shift: Decoupling Trends and Changepoint Analysis
提出结合贝叶斯动态线性模型与惩罚似然估计的解耦方法,在复杂噪声下同时实现趋势平滑估计与变点精准检测,具有鲁棒性且可扩展至时变参数模型。
2024-01-07 stat.ME
Bayesian Time-Varying Meta-Analysis via Hierarchical Mean-Variance Random-effects Models
NTT DOCOMO, INC.(NTT DOCOMO公司);Graduate School of Economics, Keio University(庆应义塾大学经济学研究科);Faculty of Economics, Keio University(庆应义塾大学经济学部)
本文提出基于分层均方随机效应模型的贝叶斯时间变化元分析方法,通过高斯过程建模时间效应,实现对实验均值的高精度估计。
2026-01-16 stat.ME
A Time-varying Parameter Based Seasonally-adjusted Bayesian State-space Model for Forecasting
在本文中,我们开发了一个基于时变参数的季节性调整贝叶斯状态空间模型的非平稳时间序列数据集的趋势和季节成分都存在,它是在各种科学学科的大多数真实数据集的一般情况。尽管使用一些做和检查程序来删除这些项以使数据稳定,但我们的模型直接拟合数据集并预测一些未来的观测结果。对于一个特定的先验结构,我们已经考虑,每个参数更新是一维的,所以我们不需要逆任何矩阵,而且我们克服了困难的Metropolis-Hastings步骤简单地通过吉布斯抽样,这是该模型的另一个优点。它还可以处理时间序列上下文中经常出现的缺失数据。我们实施它足够大(24年的月平均温度系列,即观测数=288)为57个气象站在印度,并表明,对于大多数情况下,我们的方法预测相当准确的第25年的月份。
2015-12-07 stat.ME
Bayesian space-time gap filling for inference on extreme hot-spots: an application to Red Sea surface temperatures
我们开发了一种时空框架中极值热点的概率预测方法,该方法适用于包含重要缺口的大数据集。在这种情况下,直接从数据中计算汇总(例如空间-时间域上的最小值)是不可能的。为了获得这样的聚类摘要的预测分布,我们提出了一个两步的方法。我们首先对边缘分布进行建模,重点是对右尾进行准确建模,然后将数据转换为标准高斯尺度后,我们估计在时域中本地定义的高斯时空依赖模型,用于我们想要预测的时空子区域。在第一步中,我们对数据的平均值和标准差进行去趋势化,并拟合空间分辨的广义帕累托分布,以应用上尾校正。为了确保估计趋势的空间平滑性,我们要么使用最近邻技术汇集数据,要么应用广义加性回归模型。为了处理数据的高时空分辨率,局部高斯模型使用基于随机偏微分方程(SPDE)方法的Matérn相关函数的马尔可夫表示。在第二步中,它们通过在R-INLA中实现的集成嵌套拉普拉斯近似在贝叶斯框架中拟合。最后,通过Monte-Carlo估计生成后验样本以提供统计推断。受2019年极值分析数据挑战的启发,我们使用具有人工生成间隙的网格化数据集(11315天,16703像素)来说明我们预测红海表面温度异常中局部时空最小值分布的方法。特别是,我们展示了我们的两步方法在没有尾部变换的纯高斯模型上的改进性能。
2020-04-01 stat.ME
Guidelines for the use of spatially-varying coefficients in species distribution models
本研究针对物种分布模型中传统系数假设的局限,论证了空间变化系数(SVC)模型的推断优势,通过模拟和两个案例研究验证其有效性,并探讨其在生态与保护领域的应用潜力。
2023-08-04 stat.AP
Trend Filtering -- II. Denoising Astronomical Signals with Varying Degrees of Smoothness
趋势滤波-在本系列的第一篇论文中首次引入天文学文献-是一种最先进的统计工具,用于对具有不同平滑度的一维信号进行降噪。在这项工作中,我们展示了广泛的实用性的趋势过滤观测天文学讨论它如何有助于各种光谱和时域研究。我们讨论的观测是:(1)类星体光谱的莱曼- $α$森林;(2)类星体、星系和恒星的更一般的光谱学;(3)行星凌日的恒星光变曲线;(4)食双星光变曲线;(5)超新星光变曲线。我们研究了莱曼- $α$森林的最大细节-使用趋势过滤映射星系际介质的大尺度结构沿类星体观测视线。其余的研究共享广泛的主题:(1)估计光变曲线和光谱的可观测参数;(2)构建观测光谱/光变曲线模板。我们还简要地讨论了实用的趋势过滤作为一种工具,一维数据的减少和压缩。
2020-01-10 astro-ph.CO astro-ph.EP astro-ph.IM
Inferring HIV incidence trends and transmission dynamics with a spatio-temporal HIV epidemic model
对人口一级艾滋病毒发病率的时空趋势作出可靠估计,正成为艾滋病毒预防决策的一个日益重要的组成部分。然而,直接测量几乎是不可能的。目前,广泛使用的模型推断发病率的调查和监测血清阳性率数据,但他们需要不切实际的假设空间独立的空间单位。在这项研究中,我们提出了一个艾滋病毒的流行病模型,明确模拟艾滋病毒的空间动力学在许多小的,相互作用的面积单位。通过整合所有可用的人口水平数据,我们不仅能够推断时空变化的发病率,而且还可以推断ART启动率和患者数量。我们的研究说明了将房室模型应用于比通常应用于更大的推理问题的可行性,以及数据融合方法对传染病建模的价值。
2019-12-03 stat.AP
Unraveling the Dynamics of SPY Trading Volumes: A Comprehensive Analysis of Daily and Intraday Liquidity Trends
本研究针对SPY的日内与日度交易量预测问题,对比了含外生变量的ARIMA类模型与频域方法,发现带技术指标外生变量的ARIMA模型预测最优,可提升交易策略中的交易量预测精度。
2024-06-25 stat.AP
Sparse HP Filter: Finding Kinks in the COVID-19 Contact Rate
在本文中,我们估计了时变的COVID-19接触率的易感-感染-传播(SIR)模型。我们对接触率的测量是使用活跃感染、康复和死亡病例的数据构建的。我们提出了一种新的趋势过滤方法,这是一个变种的Hodrick-Prescott(HP)过滤器,约束的数量可能扭结。我们将其称为$\textit{sparse HP filter}$,并将其应用于来自五个国家的每日数据:加拿大,中国,韩国,英国和美国。我们的新方法产生的问题与每个国家的实际事件非常一致。我们发现,稀疏HP过滤器提供了一个更少的扭结比$\ell_1$趋势过滤器,而这两种方法拟合数据同样好。理论上,我们建立稀疏HP和$\ell_1$趋势过滤器的风险一致性。最终,我们建议使用随时间变化的$\textit{contact growth rates}$来记录和监测COVID-19的爆发。
2020-07-30 econ.EM stat.AP
Bayesian Spatiotemporal Nonstationary Model Quantifies Robust Increases in Daily Extreme Rainfall Across the Western Gulf Coast
本文提出空间变化协变量模型这一分层贝叶斯时空框架,整合非平稳性与区域化方法,用于极端降水频率分析,并在西墨西哥湾沿岸日降雨案例中验证了极端降水强度和变异性的稳健增加趋势。
2025-02-04 stat.AP
A Double Machine Learning Trend Model for Citizen Science Data
针对公民科学数据中的年际混杂问题,提出基于双重机器学习的物种种群趋势估算方法,结合模拟校正残余混杂,可在27公里分辨率下准确估算空间异质性种群趋势,填补监测数据不足时的信息缺口。
2023-05-10 q-bio.QM stat.AP stat.ML
Spatial Modeling of Trends in Crime over Time in Philadelphia
了解犯罪随时间的变化与城市地区地理之间的关系是城市规划的一个重要问题。准确估计整个城市不断变化的犯罪率将有助于执法,并能够研究犯罪与建筑环境之间的关系。贝叶斯建模是一个很有前途的方向,因为面积数据需要原则性的信息共享,以解决邻近地区之间的空间自相关。我们开发了几种贝叶斯方法,以空间共享的信息之间的邻里,而随着时间的推移建模犯罪计数的趋势。我们应用我们的方法来估计整个费城在2006-15年期间的犯罪变化,同时也纳入了空间变化的经济和人口预测。我们发现,由条件自回归模型施加的局部收缩在犯罪的样本外预测准确性方面有很大的好处。我们还探讨了空间不连续性的可能性,邻里之间,可以代表自然障碍或方面的建成环境。
2019-10-17 stat.AP stat.ME
Baseline Drift Estimation for Air Quality Data Using Quantile Trend Filtering
我们解决的问题估计平稳变化的基线趋势的时间序列数据。这个问题出现在广泛的领域,包括化学,宏观经济学和医学;然而,我们的研究是由低成本的空气质量传感器的数据分析的动机。我们的方法扩展了分位数趋势过滤框架,使多个分位数趋势的估计,同时确保分位数不交叉。为了解决超长时间序列的计算难题,提出了一种可并行化的交替方向矩量法(ADMM)算法。ADMM算法能够以分段方式估计趋势,既减少了计算时间,又将该方法的限制扩展到更大的数据大小。我们还解决平滑参数的选择,并提出了一个修改后的标准的基础上扩展贝叶斯信息准则。通过模拟研究和我们激励低成本空气质量传感器数据的应用,我们证明了我们的模型提供了比现有方法更好的分位数趋势估计,并提高了低成本空气质量传感器输出的信号分类。
2019-04-24 stat.AP stat.CO stat.ME
Temperature in the Iberian Peninsula: Trend, seasonality, and heterogeneity
本研究针对伊比利亚半岛气温特征问题,构建未观测成分模型分解中心与对数极差气温的动态成分,进一步用多层动态因子模型挖掘多地点气温的共性与异质性,为气温趋势的成分属性争议提供实证依据。
2024-06-20 econ.EM stat.AP
The Role of Time, Weather and Google Trends in Understanding and Predicting Web Survey Response
在关于网络调查方法的文献中,人们作出了重大努力,以了解时不变因素(如性别、教育和婚姻状况)在(非)回应机制中的作用。然而,单靠时间不变的因素不能解释(不)响应的大多数变化,特别是响应率随时间的波动。这一观察启发我们研究时不变因素的对应物,即时变因素及其在网络调查(非)响应中的潜在作用。具体来说,我们研究了时间,天气和社会趋势(来自谷歌趋势数据)对2016年和2017年荷兰健康调查的每日(非)响应模式的影响。使用离散时间生存分析,我们发现,除其他外,周末,假期,宜人的天气,疾病爆发和恐怖主义的显着性与较少的反应。此外,我们表明,当训练模型应用于未来看不见的数据时,单独使用这些变量可以实现令人满意的每日和累积响应率预测精度。这种方法的另一个好处是只需要非个人的上下文信息,因此不涉及隐私问题。我们讨论了调查研究和数据汇集的研究的影响。
2022-01-21 cs.SI stat.AP
State-Space Modeling of Shape-constrained Functional Time Series
本文构建带形状约束的函数时间序列状态空间模型,利用基函数凸组合与动态多元logit权重,并设计数据增广MCMC方法,用于时变Lorenz曲线估计。
2024-12-01 stat.AP stat.ME