fmeffects: An R Package for Forward Marginal Effects
本文介绍了首个实现前向边际效应理论的R包fmeffects,该模型无关解释方法适用于非线性、非参数预测模型,可解释特征按预设步长变化时预测结果的变动,文中还阐述了其理论背景、功能用法与未来扩展方向。
2024-09-12 cs.LG econ.EM stat.ML
ergm 4: New features
ergm包支持网络数据的统计分析和模拟。它锚定了2008年《统计软件杂志》特刊中介绍的用于R网络分析的statnet套件。本文概述了ergm版本4 2021中的新功能。这些措施包括更灵活的处理节点协变量,长期运营商,扩展和简化模型规范,新的模型,网络与价值的边缘,改善处理网络的样本空间的约束,估计与丢失的边缘数据。我们还确定了statnet套件中的新软件包,这些软件包将ergm的功能扩展到其他网络数据类型和结构特征,以及支持statnet开发过程和应用程序的强大在线资源集。
2022-03-15 stat.CO stat.OT
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
lsirm12pl: An R package for latent space item response modeling
本文介绍R包lsirm12pl,实现潜空间项目反应模型的贝叶斯估计及其扩展,支持多种数据类型与缺失处理,并提供聚类、汇总和绘图等功能以增强模型解释。
2025-03-08 stat.CO stat.ME
Measurement Errors in R
本文提出了一个R包,以一种非常简单的方式处理和表示测量误差。简要介绍了计量学和不确定度传播的主要概念,并讨论了相关的R软件包。在此基础上,我们介绍了'错误'包,它提供了一个类相关联的不确定性元数据,自动传播和报告。处理“错误”可以实现透明、轻量级、不易出错的处理,并方便地表示有错误的测量。最后,我们讨论了误差计算的优点,局限性和未来的工作。
2018-07-28 stat.CO
UBL: an R package for Utility-based Learning
FCUP - LIAAD/INESC Tec(波尔图大学理学院 - LIAAD/INESC Tec);University of Porto(波尔图大学)
本文档描述了R包UBL,它允许使用几种方法来处理基于效用的学习问题。假设非统一成本和/或收益的分类和回归问题对预测分析任务构成了严重挑战。在气象学、金融、医学、生态学等方面,必须考虑到有关用户偏好偏差的特定领域信息,以提高模型的预测性能。为了解决这个问题,研究界提出了大量的分类和回归任务的技术。UBL包的主要目标是通过提供一组在R环境中处理这类问题的方法来促进基于效用的预测分析任务。它是一个通用的工具,提供了处理回归和分类(二进制和多类)任务的机制。此外,UBL软件包允许用户指定他的领域偏好,但它也提供了一些自动的方法,试图推断出这些偏好偏见的领域,考虑一些常见的已知设置。
2016-07-12 cs.LG cs.MS stat.ML
gfoRmula: An R package for estimating effects of general time-varying treatment interventions via the parametric g-formula
研究人员通常对使用纵向数据来估计假设的随时间变化的治疗干预对未来结果的平均值或风险的因果效应感兴趣。当随时间变化的混杂因素本身受到既往治疗的影响时,用于混杂控制的标准回归/条件处理方法通常无法恢复因果效应。在这种情况下,如果测量了足够的协变量,以控制未测量风险因素的混杂,则从罗宾斯g公式导出的估计值可能恢复随时间变化的处理效应。软件包gfoRmula在R中实现了一个这样的估计:参数g公式。该估计器可轻松适应二元或连续时变治疗,以及由静态或动态、确定性或随机治疗干预定义的对比,以及取决于治疗自然值的干预。该软件包可容纳生存结局以及随访结局的二元或连续结束。对于生存结局,包装有不同的选项来处理竞争事件。本文介绍了gfoRmula包,以及激励背景,功能和示例。
2019-10-29 stat.CO
Evaluating Forecasts with scoringutils in R
该研究介绍了R语言工具包scoringutils,它基于data.table框架支持多维度概率预测评估,是首个广泛支持预测分位数格式的同类工具包,具备易扩展、功能全面的特点,可助力传染病等领域的预测评估工作。
2024-11-01 stat.AP stat.CO stat.ME
modelimportance: An R package for evaluating model importance within a multi-model ensemble
School of Public Health and Health Sciences, University of Massachusetts Amherst(马萨诸塞大学阿默斯特分校公共卫生与健康科学学院)
本文介绍R包modelimportance,通过多种集成方法和重要性指标量化每个组成模型对点预测和概率预测集合性能的贡献,支持缺失值处理,遵循hubverse框架。
2026-06-03 stat.CO
Joint Modeling of Multivariate Longitudinal and Survival Outcomes with the R package INLAjoint
本文介绍R包INLAjoint,它基于集成嵌套拉普拉斯近似实现贝叶斯推断,以模块化方式构建纵向与生存结局的联合模型,用于纠正单独建模中的偏倚,并通过示例展示其在生物医学复杂数据中的应用价值。
2024-04-03 stat.CO stat.ME
TomograPy: A Fast, Instrument-Independent, Solar Tomography Software
近年来,由于强大算法的发展和更强大计算机的可用性,太阳层析成像技术取得了迅速进展。今天,它可以为解决与太阳成像仪和日冕仪数据中的视线整合相关的问题提供重要的见解。然而,仍然存在一些挑战,如可用数据量的增加、对观测结构随时间演变的处理以及多航天器研究中数据的异质性。我们提出了一个通用的软件包,可以执行快速层析成像反演,与测量的数量,线性与重建立方体的长度(而不是体素的数量)和线性与核心的数量,并可以使用来自不同来源的数据和各种物理模型:TomograPy(http://nbarbey.github.com/TomograPy/),Python包索引上免费提供的开源软件。为了提高性能,TomograPy使用了并行投影算法。它依赖于世界坐标系标准来管理各种数据源。提供了各种反演算法来执行断层图像估计。测试套件与代码一起提供,以确保软件质量。由于它使用的Siddon算法,它被限制为矩形平行六面体体素,但球形几何的电晕可以通过适当使用的先验处理。我们描述的代码的主要特点,并显示三个实际的例子,多航天器层析反演使用STEREO/EUVI和STEREO/COR 1数据。静态和平稳变化的时间演化模型。
2011-03-30 astro-ph.IM astro-ph.SR stat.AP
An introduction to R package `mvs`
该论文介绍R包`mvs`,其基于多视图堆叠框架,用于处理多视图数据,通过分视图训练、交叉验证加权和集成学习,支持高维数据、自动视图选择及灵活配置,提升模型性能与可解释性。
2025-04-24 cs.LG stat.CO stat.ME
bigMICE: Multiple Imputation of Big Data
Linköping University(林雪平大学);Göteborg University(哥德堡大学);Region Västra Götaland(西约塔兰地区)
bigMICE通过Apache Spark实现高效处理大数据集的多重插补方法,提升内存效率和处理速度,适用于大规模缺失数据场景。
2026-01-29 cs.DC stat.CO
A Design Concept of Forecasting Software for Normalized Vector Autoregressions with Fat Tails and Stochastic Volatility
School of Economics and Trade, Guangdong University of Foreign Studies(广东外语外贸大学经济贸易学院);Department of Economics, University of Melbourne(墨尔本大学经济学系)
该研究设计了一套R软件包,结合C++效率与R便利性,实现多种高级计量模型,用于宏观经济预测,可提升预测表现,助力相关原创研究。
2026-08-31 econ.EM stat.CO
A stacked approach for chained equations multiple imputation incorporating the substantive model
链式方程多重插补(MICE)已成为处理缺失数据的一种流行方法。应用MICE的一个核心挑战是确定如何将结果信息纳入协变量插补模型,特别是对于复杂的结果。通常,我们心中有一个特定的分析模型,我们希望确保插补模型和分析模型之间的一致性。我们提出了一种新的策略,直接将分析模型的处理缺失数据。在我们提出的方法中,缺失协变量的多重插补在不使用结果信息的情况下获得。然后,我们利用插补堆叠的策略,其中多重插补彼此堆叠以创建大数据集。然后通过权重合并分析模型。而不是应用多重插补组合规则,我们通过拟合堆叠数据集上的分析模型的加权版本来获得参数估计。我们提出了一种新的估计获得这种堆叠和加权分析的标准误。我们的估计量是基于Louis(1982)中的观测数据信息原理,可以更一般地应用于分析叠加多重插补。我们分析堆叠多重插补的方法是第一个动机良好的方法,可以很容易地应用于各种各样的标准分析模型和缺失数据设置。在模拟中,当正确指定分析模型时,所提出的策略会产生无偏的参数估计。我们开发了一个R包StackImpute,允许这种插补方法在许多标准分析模型中轻松实现。
2019-10-10 stat.ME
Generalized probabilistic canonical correlation analysis for multi-modal data integration with full or partial observations
University of California, Riverside(加州大学河滨分校)
针对多模态数据整合中部分观测缺失的问题,提出广义概率典型相关分析(GPCCA)无监督方法,通过处理缺失值、支持多模态整合等提升聚类准确性,在模拟及真实数据集上优于现有方法。
2025-04-15 cs.LG q-bio.QM stat.ML
csSampling: An R Package for Bayesian Models for Complex Survey Data
csSampling R包结合Stan与survey包,为复杂调查数据提供贝叶斯建模,并通过渐近协方差校正设计效应,使后验推断兼具频率学派一致性与正确覆盖率。
2023-08-13 stat.AP stat.CO
ricu: R's Interface to Intensive Care Data
R软件包“ricu”为处理不同的重症监护病房(ICU)数据集提供了计算基础设施,支持编写与数据集无关的分析代码,从而促进机器学习模型的多中心训练和验证。该软件包的设计重点是对新数据集和临床数据概念的可扩展性,目前支持加载大约100个患者变量,对应于从欧洲和美国收集的4个数据源中总共319,402个ICU入院数据。通过允许添加用户指定的医学概念和数据源,“ricu”的目的是促进强大的、基于数据的重症监护研究,允许用户相对容易地从外部验证他们的方法或结论,从而促进该领域的可重复性和透明工作。
2021-08-02 q-bio.OT stat.AP
An Interpretable Single-Index Mixed-Effects Model for Non-Gaussian National Survey Data
University of Wisconsin-Madison(威斯康星大学麦迪逊分校);Virginia Commonwealth University(弗吉尼亚联邦大学)
本文提出一种可解释的单指标混合效应模型,结合偏态随机效应、重尾残差和单调递增指标函数,整合CAL与PD生物标志物,并采用分组马蹄先验和调查权重,以精确量化牙周病风险因素与进展。
2025-09-25 stat.AP stat.ME
clustra: A multi-platform k-means clustering algorithm for analysis of longitudinal trajectories in large electronic health records data
本文提出多平台纵向轨迹聚类方法clustra,结合k-means与薄板回归样条,提供R包和SAS宏实现,并在大型电子健康记录数据上验证了两种平台结果的可比性。
2025-07-01 stat.AP stat.CO