Asymptotic inference for a stochastic differential equation with uniformly distributed time delay
研究了具有均匀分布时滞的仿射随机微分方程的似然函数的局部渐近性质。对于不同的参数值，证明了局部渐近正态性、局部渐近混合正态性、周期局部渐近混合正态性或局部渐近二次性。给出了连续样本下参数极大似然估计的渐近性质的应用。
2015-09-09 math.ST stat.TH
Stochastic EM Estimation and Inference for Zero-Inflated Beta-Binomial Mixed Models for Longitudinal Count Data
IE University（IE大学）
本文提出了一种零膨胀贝塔-二项混合模型，用于处理纵向计数数据中的过度分散和零膨胀问题，通过随机近似EM算法实现高效估计，并通过案例研究验证了其在小样本情况下的优越性。
2026-02-09 math.ST stat.ME stat.TH
Uniform inference in linear mixed models
针对线性混合模型中随机效应协方差矩阵奇异或位于参数边界导致现有理论失效的问题，本文提出参数一致的有限样本分布近似及定量界，并验证其置信区域在复杂交叉效应和边界情形下仍具近名义覆盖率。
2025-07-25 math.ST stat.ME stat.TH
Improved confidence intervals for nonlinear mixed-effects and nonparametric regression models
本文针对非线性混合效应模型提出基于随机效应的条件推断框架，给出偏差校正的随机效应预测子与置信区间，并推广至部分随机效应无数据关联的情形，显著提升了条件覆盖率。
2024-01-27 math.ST stat.ME stat.TH
Post-selection inference for linear mixed model parameters using the conditional Akaike information criterion
我们研究了线性混合模型中固定参数和混合参数的后选择推断问题，使用条件赤池信息准则作为模型选择过程.在线性混合模型的框架内，我们发展了完整的理论来构建置信区间的回归和混合参数在三个框架：嵌套和一般模型集以及误指定的模型。我们的理论分析是伴随着一个模拟实验和后选择检查平均收入在加利西亚的县。我们的数值研究证实了我们的新程序的良好性能。此外，他们揭示了一个惊人的鲁棒性的模型错误指定的一个天真的方法来构建的置信区间的混合参数，这是在对比我们的研究结果的固定参数。
2021-09-22 stat.AP stat.CO stat.ME
Estimation, Testing, and Prediction Regions of the Fixed and Random Effects by Solving the Henderson's Mixed Model Equations
本文简要介绍了在传统的简单线性混合模型中，对固定效应的线性函数和/或同时对固定效应和随机效应进行统计推断的方法（检验统计假设、构建置信区间和/或预测区间和区域）。所提出的方法是基于亨德森的混合模型方程的解决方案。
2013-01-04 stat.CO stat.ME
Simultaneous inference for linear mixed model parameters with an application to small area estimation
在过去的几十年里，线性混合模型在应用统计学的各个领域都引起了相当大的关注。它们在研究聚类、层次或纵向数据时很受欢迎。尽管如此，有效的同时推断混合参数的统计工具是罕见的。这是令人惊讶的，因为一个经常面临的推理问题以外的逐点检查固定或混合参数。例如，在重复测量的研究中，有兴趣对聚类水平的参数或特定主题的估计值进行比较分析。我们讨论的方法，同时推断假设一个线性混合模型。具体来说，我们开发的同时预测区间以及混合参数的多重检验程序。它们对于集群级参数的联合考虑或比较是有用的。我们采用一致的bootstrap近似的分布的最大型统计量来构建我们的工具。在模拟实验中研究了所开发的方法的数值性能，并在小面积家庭收入的数据示例中进行了说明。
2021-09-16 stat.AP stat.CO stat.ME
Inferences on Mixing Probabilities and Ranking in Mixed-Membership Models
针对网络潜在结构分析需求，本文基于DCMM模型推导成员混合概率的有限样本展开式，得到其渐近分布与置信区间，还提出顶点排序方案及乘子bootstrap推断方法，经真实与合成数据验证了理论有效性。
2023-08-29 math.ST stat.ME stat.ML
Fast and Accurate Binary Response Mixed Model Analysis via Expectation Propagation
期望传播是统计推断问题中积分近似的一种通用方法。它的文献主要是关于贝叶斯推断的情况。然而，期望传播也可以用来近似在频率论统计推断中出现的积分。我们专注于二进制响应混合模型的基于似然的推断，并表明快速，准确的正交自由推断可以实现多变量随机效应和更高层次的嵌套的概率链接的情况下。该方法是由渐近理论，其中期望传播被认为是提供一致的估计的确切似然面。数值研究揭示了快速、高精度和可扩展的二元混合模型分析方法的可用性。
2018-05-22 stat.ME
Fixed effects testing in high-dimensional linear mixed models
University of California San Diego（加州大学圣迭戈分校）；KU Leuven（鲁汶大学）
许多科学和工程挑战-从药代动力学药物剂量分配和个性化药物到营销组合（4Ps）建议-需要了解未观察到的异质性，以便制定最佳决策过程。在本文中，我们开发了一个假设检验和相应的p值检验的齐次结构的显着性线性混合模型。一个强大的匹配矩构造用于创建一个测试，适应模型稀疏的大小。当未观察到的异质性在集群水平是恒定的，我们表明，我们的测试是一致的和无偏的，即使当模型的维度是非常高的。我们的理论结果依赖于一个新的家庭的自适应稀疏估计的固定效应，不需要一致的估计的随机效应。此外，我们的推理结果不需要一致的模型选择。我们展示了矩匹配可以扩展到非线性混合效应模型和广义线性混合效应模型。在数值和真实数据实验中，我们发现所开发的方法是非常准确的，它适应于基础模型的大小，并且在存在不相关协变量的情况下是非常强大的。
2017-08-14 cs.LG math.ST stat.ME
Simultaneous Inference for Empirical Best Predictors with a Poverty Study in Small Areas
目前，广义线性混合模型在许多领域得到了广泛的应用。然而，在这一领域中，用于执行同时推理的工具的开发在很大程度上被忽视了。联合推理的框架是必不可少的进行统计有效的多个比较的参数之间的所有或几个集群的利益。因此，我们开发的同时置信区间和多重检验程序的经验最佳预测下广义线性混合模型。此外，我们实施我们的方法来研究广泛使用的混合模型，即单位级二项式，面积级泊松-伽玛和面积级泊松-对数正态混合模型的例子。渐近结果伴随着广泛的模拟。一个预测贫困率的案例研究说明了我们的同步推理工具的适用性和优势。
2021-05-28 stat.AP stat.CO
Empirical Likelihood Inference of Variance Components in Linear Mixed-Effects Models
线性混合效应模型广泛应用于分析重复测量数据，包括聚类数据和纵向数据，其中固定效应和方差分量的推断都很重要。与已得到充分研究的固定效应推断不同，由于空值位于边界上以及固定效应的干扰参数，对方差分量的推断更具挑战性。现有的方法通常需要对随机效应和随机误差进行强分布假设。在本文中，我们开发了经验似然为基础的方法，在固定效应的存在下的方差分量的推断。导出了方差分量的经验似然比统计量的Wilks定理的非参数形式。我们还开发了一个经验似然检验的多个方差分量相关的一系列相关的结果。仿真研究表明，所提出的方法表现出更好的类型1错误控制比常用的似然比检验时，高斯分布假设的随机效应被违反。我们应用这些方法来研究澳大利亚双胞胎研究中通过可穿戴设备测量的身体活动的遗传性，并观察到这种活动仅在0.375至0.514的分位数范围内是可遗传的。
2022-08-30 stat.ME
Post-Selection Inference for Multiverse Analysis in Mixed-Effects Models (PIMAX)
University of Bologna（博洛尼亚大学）
结合两种方法开发PIMAX框架，用于聚类观测的多宇宙推断，将选择后推断扩展到聚类数据设置，能处理异方差等情况，提供全局p值等多种推断结果。
2026-07-07 stat.ME
Approximate inferences for nonlinear mixed effects models with scale mixtures of skew-normal distributions
近年来，非线性混合效应模型在统计学文献中受到了极大的关注，因为它们在处理纵向研究中具有灵活性，包括人类免疫缺陷病毒的病毒动力学、药代动力学分析以及生长和衰减研究。连续响应的非线性混合效应模型中的一个标准假设是随机效应和受试者内误差呈正态分布，这使得模型对离群值敏感。本文提出了一类新的非对称非线性混合效应模型，该模型在纵向数据的分析中提供了有效的参数估计。我们假设随机效应服从偏正态分布的多变量尺度混合，随机误差服从正态分布的对称尺度混合，这为通常的正态分布提供了一个有吸引力的稳健替代方案。我们提出了一个近似的方法极大似然估计的基础上EM型算法，产生近似的最大似然估计，并显着减少了数值困难与精确的极大似然估计。还简要讨论了这类分布下的未来响应预测技术。通过茶碱动力学数据的应用程序，并通过一些模拟研究的方法进行说明。
2020-07-29 stat.ME
Asymptotics of numerical integration for two-level mixed models
该研究针对单分组因子混合模型的边际似然积分求解难题，推导了自适应数值积分下似然与最大似然估计的随机相对误差率，验证其在广义线性混合模型中适用，并证明非自适应积分的估计量不一致，为混合模型推断优选自适应数值积分提供理论支撑。
2025-01-20 stat.AP stat.ME
Estimation and Inference for Very Large Linear Mixed Effects Models
具有较大不平衡交叉随机效应结构的线性混合模型给极大似然估计和贝叶斯分析带来了严重的计算问题。当存在N个观测时，成本可以像$N^{3/2}$一样快速增长。这种问题出现在基本因素满足多对多关系（而不是嵌套关系）的任何环境中，并且在电子商务应用中，N可以相当大。不考虑相关性结构的方法可能会大大低估不确定性。我们提出了一种矩方法，考虑到相关结构，可以在O（N）的成本计算。矩量法是非常适合并行计算，它不需要参数分布假设，调整参数或收敛诊断。对于回归系数，我们给出了相合性和渐近正态性的条件以及相合的方差估计。对于方差分量，我们给出了相容性条件，并使用了一个适度保守的方差估计的相合估计。所有这些计算都可以在O（N）工作中完成。我们用Stitch Fix中的一些数据来说明该算法，其中交叉的随机效应对应于客户端和项目。
2017-05-26 stat.AP stat.CO stat.ME
Simple fixed-effects inference for complex functional models
我们提出了复杂功能混合效应模型中固定效应的简单推理方法。我们在函数残差独立假设下估计固定效应，然后自举独立单元（如受试者）估计固定效应参数的变异性，并以假设检验的形式进行推断。仿真结果表明，良好的覆盖概率的置信区间和测试的大小。方法的动机和应用于巴尔的摩老龄化纵向研究（BLSA），虽然他们是适用于其他研究，收集相关的功能数据。
2016-07-04 stat.ME
Maintaining the validity of inference from linear mixed models in stepped-wedge cluster randomized trials under misspecified random-effects structures
针对阶梯楔形整群随机试验中随机效应结构误设可能导致推断失效的问题，本文回顾五种稳健方差估计量并通过模拟研究发现，CR3估计量结合整群数减二的自由度校正表现最优，为实践中该类试验的线性混合模型分析提供参考。
2024-08-20 stat.AP stat.ME
Marginal and Conditional Multiple Inference for Linear Mixed Model Predictors
尽管其高度的实际意义，集群特定的多重推理的线性混合模型预测几乎没有得到解决。虽然总体参数的边际推断是很好理解的，但聚类特定预测因子的条件推断更为复杂。这项工作介绍了一个一般的框架，在线性混合模型的集群特定的预测多重推理。在边际法和条件法下构造了多重推理的一致置信集。此外，它表明，值得注意的是，相应的多重边际置信集也是渐近有效的条件推理。这些方法适用于使用标准分位数检验线性假设，而不需要重新采样技术。所有发现都在模拟中得到了验证，并在一项关于美国州立监狱新冠肺炎死亡率的研究中得到了说明。
2022-02-16 math.ST stat.TH
A review on asymptotic inference in stochastic differential equations with mixed-effects
本文综述了近年来关于混合效应随机微分方程估计的研究成果。这些模型涉及N个随机微分方程，具有共同的漂移和扩散函数，但随机参数，允许过程之间的差异。主要目标是估计随机效应的分布以及N个过程共有的其他可能的固定参数。虽然已经提出了许多算法，但与估计相关的理论方面的研究很少。本文主要讨论混合效应随机微分方程的理论推导。到目前为止，它只被认为是在一些非常特定的类的混合效应扩散模型，观察没有测量误差，其中明确的估计可以定义。在这个框架内，几个估计的渐近性质，无论是参数或非参数，进行了讨论。不同的观测计划被认为是根据该方法，关联大量的个人，在大多数情况下，高频率的观测轨迹。
2020-09-16 math.ST stat.TH
Partially observed information and inference about non-Gaussian mixed linear models
在具有非正态数据的混合线性模型中，高斯Fisher信息矩阵称为准信息矩阵（QUIM）。QUIM在估计模型参数估计量的渐近协方差阵（包括方差分量）方面起着重要的作用。传统的信息矩阵估计方法有两种：估计信息矩阵和观测信息矩阵。由于QUIM的解析形式涉及方差分量以外的参数，例如随机效应的三阶矩和四阶矩，因此估计的QUIM不可用。另一方面，由于数据的依赖性和非正态性，所观察到的QUIM是不一致的。我们提出了一个估计的QUIM，部分由一个观察到的形式和部分的估计。我们表明，这种估计是一致的，计算上非常容易操作。该方法用于推导非高斯混合线性模型中包含方差分量的统计假设的大样本检验。通过仿真研究了该检验的有限样本性能，并与适用于非高斯混合线性模型特殊情况的删除组折刀法进行了比较。
2006-03-03 math.ST stat.TH
Convergence and inference for mixed Poisson random sums
本文给出了一类混合泊松分布下随机数项部分和的极限分布。得到的弱极限是一个正态分布和一个指数族的混合，我们称之为正态指数族（NEF）定律。引入新的稳定性概念，建立了α-稳定分布与NEF律之间的关系.我们提出了估计的NEF模型的参数，通过矩的方法，也通过最大似然法，这是通过一个期望最大化算法进行。蒙特卡洛模拟研究，以检查所提出的估计和金融市场的实证说明的性能。
2020-05-07 math.PR math.ST stat.TH
Uncertainty quantification for mixed membership in multilayer networks with degree heterogeneity using Gaussian variational inference
本文提出了一种基于高斯变分推断的框架，用于在具有度异质性的多层网络中量化混合成员的不确定性，通过谱辅助似然和随机梯度下降实现高效推断，并在机场网络中验证了其有效性。
2025-12-09 math.ST stat.CO stat.ME
Uniformly Valid Inference Based on the Lasso in Linear Mixed Models
本文针对高斯线性混合模型，基于Lasso型估计量构建固定效应置信集，量化变量选择与参数估计的联合不确定性，并证明其一致有效性及优于朴素选择后程序。
2023-08-16 math.ST stat.ME stat.TH
A Diagnostic for Bias in Linear Mixed Model Estimators Induced by Dependence Between the Random Effects and the Corresponding Model Matrix
该研究分析了线性混合模型中随机效应与模型矩阵的相关性引发的估计量偏差，给出了偏差无偏的条件，量化了偏差并提出诊断方法，通过体育赛事结果验证了该方法的有效性。
2026-10-23 math.ST stat.AP stat.TH
Misspecified regressions with mixed regressors: robust inference and causal interpretation
University of Southern California（南加州大学）；UC Berkeley（加州大学伯克利分校）
研究在含随机与固定成分的混合回归变量且模型可能误设情况下的回归问题，通过建立估计方程一般结果分析误设线性回归，专注回归系数与标准误差因果解释，还从独立数据扩展到聚类数据。
2026-07-13 econ.EM math.ST stat.ME
Marginal Inference for Hierarchical Generalized Linear Mixed Models with Patterned Covariance Matrices Using the Laplace Approximation
本文基于拉普拉斯近似和Newton-Raphson更新，为具有复杂模式化协方差结构的分层广义线性混合模型开发了完整的边际推断方法，支持六种分布并经模拟与真实数据验证了有效性。
2023-05-04 math.ST stat.ME stat.TH
