Multi-Parameter Regression Survival Modelling: An Alternative to Proportional Hazards
协变量通过单个感兴趣的分布参数(例如,许多标准生存模型中的尺度参数)进入参数模型是标准做法。事实上,众所周知的比例风险模型就是这种类型。在本文中,我们讨论了一种更一般的方法,即协变量同时通过一个以上的分布参数进入模型(例如,尺寸和形状参数)。我们将这种做法称为“多参数回归”(MPR)建模,并探讨其在生存分析中的应用。我们发现,多参数回归导致更灵活的模型,可以提供更深入的了解底层数据生成过程。为了说明这一概念,我们考虑了两个参数的威布尔模型,导致时间依赖的风险比,从而放松了典型的比例风险假设,并激发了一个新的测试的比例。针对这类多参数回归模型,提出了一种新的变量选择策略。它解释了在两个或多个线性预测因子中估计的回归系数之间产生的相关性--这是其他作者在类似环境中没有考虑过的一个特征。所讨论的方法已经在R.
2019-01-10 stat.ME
Modelling and forecasting daily electricity load curves: a hybrid approach
我们提出了一种混合的方法建模和短期预测的电力负荷。我们的方法的两个组成部分是(i)通过将广义加法模型拟合到每周平均负荷来模拟整体趋势和季节性,以及(ii)通过曲线线性回归模拟连续每日负荷的依赖结构。对于后者,提出了一种新的方法,线性回归与曲线响应和曲线回归。所提出的方法背后的关键思想是降维的基础上的奇异值分解在希尔伯特空间,这减少了几个普通的(即标量)线性回归问题的曲线回归问题。我们说明的混合方法,使用法国电力负荷在1996年和2009年之间,我们还比较我们的方法与其他可用的模型,包括EDF的操作模型。
2016-11-25 stat.ME
Semiparametric multi-parameter regression survival modelling
我们考虑生存数据的对数线性模型,其中位置和尺度参数都依赖于协变量,基线风险函数是完全未指定的。该模型提供了以相对较低的模型复杂性成本捕获生存数据的许多有趣特征所需的灵活性。估计程序的开发和渐近性质的估计使用经验过程理论。最后,给出了估计量的极限方差的一种估计方法。有限样本性质的估计进行了研究,通过模拟研究,并在肺癌数据的实际应用中示出。
2019-01-15 stat.ME
Quantile Regression Modelling via Location and Scale Mixtures of Normal Distributions
我们发现,分位数回归的估计方程可以解决使用一个简单的期望最大化算法,其中M-步骤通过加权最小二乘法计算,在E-步骤计算的权重作为独立的广义逆高斯变量的期望。我们使用核密度估计器计算分位数回归系数的方差-协方差阵,该估计器产生比现有软件产生的标准误更稳定的标准误差。期望最大化算法的自然修改涉及在M步拟合线性混合模型,将方法扩展到混合效应分位数回归模型。在这种情况下,拟合方法可以被证明为广义交替最小化算法。通过加权最小二乘法获得分位数回归估计值可实现与线性回归设置中使用的模型诊断技术类似的模型诊断技术。与现有的软件,使用模拟数据的计算方法进行比较,并说明了几个案例研究的方法。
2021-06-28 stat.ME
Choosing good subsamples for regression modelling
健康研究中的一个常见问题是,我们有一个庞大的数据库,其中包含许多对大量个体进行测量的变量。我们感兴趣的是测量子样本上的其他变量;这些测量可能是新近可用的,或昂贵的,或在首次收集数据时根本没有考虑。新测量的预期用途是拟合可推广到整个队列(及其源人群)的回归模型。这是一个双重抽样问题,它不同于其他一些双重抽样问题,在丰富的第一阶段的数据和回归建模的目标。特别是,一个重要的特殊情况是测量误差模型,其中与阶段II测量值密切相关的变量在阶段I可用。我们将解释如何影响函数一直是有用的,作为一个统一的概念,扩展经典的结果,这种设置,并描述了从设计一个简单的加权估计在已知的参数值,通过自适应多波设计和使用先验信息的步骤。最后,我们将与一些意见之间的信息差距设计为基础的和基于模型的估计在这种情况下。
2022-03-21 stat.ME
Distributional outcome regression via quantile functions and its application to modelling continuously monitored heart rate and physical activity
本文提出基于分位数函数的分布结果回归方法(DORQF),支持标量与分布预测变量并保证联合单调性,通过渐近投影提供统计推断,应用于781名老年人心率与体力活动数据建模,揭示了心率储备的流行病学新见解。
2024-02-14 stat.ME
On the correspondence of deviances and maximum likelihood and interval estimates from log-linear to logistic regression modelling
考虑一组分类变量$\mathcal{P}$,其中至少有一个(用$Y$表示)是二进制的。描述所得列联表中计数的对数线性模型意味着特定的逻辑斯谛回归模型,以二进制变量作为结果。推广了Christensen(1997)的结果,通过考虑列联表中的因子从逻辑斯谛回归模型中消失的情况,证明了逻辑斯谛回归模型参数的最大似然估计(MLE)等于对数线性模型中相应参数的极大似然估计。我们证明,渐近,标准误的两组参数也是相等的。随后,Wald置信区间渐近相等。这些结果表明,在何种程度上,从对数线性框架的推断可以转换为逻辑斯谛回归框架内的推断,对主效应和相互作用的大小。最后,我们证明了对数线性模型的偏差等于相应的逻辑斯谛回归的偏差,只要后者适合于当$\mathcal{P} \setminus \{ Y \}$中的一个或多个因子变得过时时没有合并细胞观察的数据集。我们用一个真实数据集的分析来说明导出的结果。
2019-12-03 stat.ME
Disease Mapping via Negative Binomial Regression M-quantiles
我们介绍了一个半参数的方法,生态回归疾病映射,建模的基础上回归M-分位数的负二项变量。该方法对模型协变量中的异常值具有鲁棒性,包括由于测量误差引起的异常值,并且可以解释空间异质性和空间聚类。基于著名的苏格兰唇癌数据集的模拟实验是用来比较的M-分位数建模方法和疾病映射的随机效应建模方法。这表明M分位数方法导致预测的相对风险比标准疾病映射方法具有更小的均方根误差。本文最后说明性的应用M分位数的方法,映射低出生体重的发病率数据,为2005年至2010年的英国地方政府区。
2013-10-12 stat.ME
A Tutorial for Analyzing Structural Equation Modelling
本文提供了一个教程讨论分析结构方程模型(SEM)。结构方程模型是一种包含观测指标和未观测指标的回归模型,在实际和基础研究中得到了广泛的应用。我们提供了一个介绍SEM方法和如何处理与这种建模分析数据的详细描述。目标受众是统计学家/数学家/方法学家,他们要么了解SEM,要么了解简单的基本统计学,特别是回归和线性/非线性建模,以及博士。统计学、数学、管理学、心理学甚至计算机科学的学生。
2015-04-14 stat.ME
A method for Bayesian regression modelling of composition data
许多科学和工业过程产生的数据最好作为相对值的向量进行分析,通常称为成分或比例。狄利克雷分布是用于成分或比例数据的自然分布。它具有参数数量少的优点,使其在许多情况下成为节俭的选择。在本文中,我们考虑的情况下,一个过程的结果是狄利克雷,依赖于一个或多个解释变量的回归设置。我们探讨了一些现有的方法来解决这个问题,然后介绍了一种新的模拟方法来拟合这样的模型,贝叶斯框架的基础上。我们通过模拟实例和在体育科学中的应用说明了新方法的优点。这些优势包括:增加的拟合精度、增加的推断能力以及引入随机效应而不增加分析复杂性的能力。
2018-01-09 stat.ME
A Fully Nonparametric Modelling Approach to Binary Regression
我们提出了一个一般的非参数贝叶斯框架的二元回归,这是建立从联合响应协变量分布建模。假设观察到的二进制响应通过离散化从潜在的连续随机变量中产生,并且我们使用多变量正态分布的Dirichlet过程混合来建模这些潜在响应和协变量的联合分布。我们表明,内核的诱导混合模型的观测数据是可识别的限制后的潜变量。为了允许适当的依赖结构,同时促进可识别性,我们使用的协方差阵在正常的混合内核的平方根自由Cholesky分解。除了允许必要的限制,这种建模策略提供了大量的简化实施马尔可夫链蒙特卡罗后验模拟。我们提出了两个数据的例子,从该方法是特别适合的领域。特别是,第一个例子涉及估计环境变量之间的关系,第二个发展推理进化生物学中的自然选择表面。最后,我们讨论扩展到多元有序响应的回归设置。
2014-08-04 stat.ME
Modelling peaks over thresholds in panel data: a two-level grouped panel generalized Pareto regression
Department of Statistics, University of British Columbia(不列颠哥伦比亚大学统计学系)
针对面板数据极值建模,提出两水平分组面板广义Pareto回归框架,结合回归与潜在分组结构平衡灵活性与估计效率,有效提升估计效率并发现尾部行为模式。
2025-09-18 stat.ME
Impact Range Assessment (IRA): An Interpretable Sensitivity Measure for Machine Learning Regression Modelling
University of Guelph(圭尔夫大学)
本文提出IRA方法,用于回归建模中评估预测变量的影响范围,提高模型的可解释性和可靠性。
2026-11-03 stat.ME
Bayesian modelling for binary outcomes in the Regression Discontinuity Design
回归不连续性(RD)设计是一种准试验设计,其通过利用根据连续变量分配治疗的情况来模拟随机化研究,这在许多药物治疗指南中很常见。研发设计文献主要关注持续结局。在本文中,我们利用RD设计和工具变量之间的联系,以获得一个因果效应估计,治疗的风险比(RRT),为RD设计时的结果是二进制的。有时RRT估计量可以给出负的置信下限。在贝叶斯框架中,我们施加了先验约束,以防止这种情况发生。这是新颖的,在频率论框架中不能轻易复制。我们比较我们的估计,估计方程和广义矩量法的基础上。基于广泛的模拟,我们的方法相比,这两种方法。我们将我们的方法应用于真实示例,以估计他汀类药物对低密度脂蛋白(LDL)胆固醇水平达到推荐水平的可能性的影响。
2016-07-27 stat.ME
Regression modelling of interval censored data based on the adaptive ridge procedure
提出了一种新的方法来分析时间强直并发症的再植牙数据集。在左删失、区间删失和右删失数据的情况下,引入了具有分段常数基线风险的Cox模型。通过将真实事件时间视为未观测变量,用期望最大化算法进行估计。这个估计过程中示出产生的基线参数的块对角Hessian矩阵。利用这个有趣的功能的估计方法的L0惩罚似然方法的实施,以自动确定的数量和位置的基线危险的削减。该程序允许检测患者关节强直风险更大的特定时间区域。该方法可以直接扩展到包含精确的观察和治愈分数。得到的理论结果,允许来自统计推断的模型参数的渐近似然理论。通过模拟研究,惩罚技术被证明提供了一个很好的拟合的基线风险和精确的估计所得到的回归参数。
2020-10-14 stat.ME
Evaluating distributional regression strategies for modelling self-reported sexual age-mixing
性伴侣形成的年龄动态决定性传播疾病的传播模式,长期以来一直是研究人类免疫缺陷病毒的研究人员的重点。关于自我报告的性伴侣年龄分布的数据可从各种来源获得。我们试图探索统计模型,准确地预测性伴侣年龄分布的年龄和性别。我们确定了哪些概率分布和结果规范最好地捕捉了伴侣年龄的变化,并量化了使用分布回归对这些数据进行建模的好处。我们发现,分布回归与sinh-arcsinh分布复制观察到的合作伙伴年龄分布最准确地跨越三个地理上不同的数据集。这一框架可以用众所周知的分层建模工具加以扩展,并有助于改进对性年龄混合动态的估计。
2021-03-15 stat.AP stat.ME
Tree-Structured Modelling of Categorical Predictors in Regression
广义线性和加法模型是非常有效的回归工具,但如果需要高阶相互作用,则相关项的选择变得困难。相比之下,基于树的方法也被称为递归分区,它被明确地设计为对特定形式的交互进行建模,但由于它们专注于交互,往往会忽略主效应。这里提出的方法集中在分类预测因子的主要影响,通过使用树型方法来获得聚类。特别是当预测有许多类别时,人们想知道哪些类别必须根据它们对响应的影响来区分。树形结构的方法允许检测共享相同效果的类别的集群,同时让其他变量,特别是度量变量,对响应具有线性或加性影响。提出了一种算法的拟合和各种停止标准进行评估。优选的停止标准基于表示条件推理过程的$p$值。此外,还研究了聚类的稳定性,并通过自举方法研究了变量之间的相关性。几个应用程序显示了有用的树结构聚类和一个小的模拟研究表明,拟合过程工作良好。
2015-04-18 stat.ME
Multivariate regression with missing response data for modelling regional DNA methylation QTLs
针对多元模型识别DNA甲基化遗传调控因子(mQTLs)时亚硫酸氢盐测序缺失数据的问题,提出missoNet凸估计框架,避免插补偏差,联合估计回归系数与精度矩阵,理论和实验均证明其在预测、稀疏性恢复及真实mQTL分析中优于现有方法。
2025-07-08 stat.ME
Hybrid data regression modelling in measurement
测量涉及从实验中确定物理量的定量估计,以及对其相关不确定性的估计。因此,实验系统模型是从实验数据中提取信息的关键。获得的测量信息直接取决于模型的质量。有了这个问题,新的回归建模技术已经形成的数据集成从计算机模拟和物理设计的实验。这些技术已经允许通过可用的理论和适当的经验函数的数学乘积来近似精确的未知模型,从而达到模型完整性、简约性和精确性的高级水平。这种近似的目的是充分代表真正的模型在考虑区域的因素空间与理论建模的所有优点。这允许进一步关注问题的测量科学。气动压力计混合数据候选模型的建立,求解和验证,这样适当的模型允许达到最小的差异,从经验证据。
2008-08-29 stat.AP stat.ME
Modelling and computation using NCoRM mixtures for density regression
归一化复合随机测度是相关分布的灵活非参数先验。本文考虑利用归一化复合随机测度混合模型建立一般的非参数回归模型。后验推断是使用一种新的伪边缘Metropolis-Hastings采样归一化复合随机测度混合模型。该算法利用一种新的一般方法来无偏估计拉普拉斯泛函的复合随机措施(其中包括完全随机措施作为一种特殊情况)。密度回归问题的方法进行了说明。
2017-08-31 stat.AP stat.CO stat.ME
Generalised Joint Regression for Count Data with a Focus on Modelling Football Matches
我们提出了一个通用的联合回归框架计数响应。该方法是在R附加包GJRM中实现的,并允许通过使用几个copulae的线性和非线性依赖建模。此外,计数响应和copula的边缘分布的参数可以被指定为协变量的灵活函数。出于足球应用程序,我们还讨论了一个扩展,迫使回归系数的边际(线性)预测是平等的,通过适当的惩罚。模型拟合基于信赖域算法,该算法同时估计联合模型的所有参数。我们调查的建议的实证表现在两个模拟研究中,第一个设计的任意计数数据,另一个反映足球特定的设置。最后,该方法被应用到国际足联世界杯数据,显示其竞争力的标准方法方面的预测性能。
2019-08-21 stat.AP stat.ME
The Bradly-Terry Regression Trunk approach for modelling preference data with small trees
本文介绍了布拉德利-特里回归树干模型,一种新的概率方法,通过配对比较排名表示的偏好数据的分析。在某些情况下,可以合理地假设,个人所表达的偏好取决于他们的特点。在基于树的划分的框架内,我们指定了一个基于树的模型,估计特定于主题的协变量的联合效应超过其主效应。我们结合了一个基于树的模型和对数线性布拉德利-特里模型的比较结果作为响应变量。所提出的模型提供了一个解决方案,发现交互作用的影响时,没有先验假设。它产生了一个小树,称为树干,这是一个公平的妥协之间的一个简单的解释的相互作用的影响和一个易于阅读的分区的法官根据他们的特点和他们所表达的偏好。我们提出了一个应用程序在一个真实的数据集以下两种不同的方法,和模拟研究,以测试模型的性能。仿真结果表明,当排名和对象的数量增加时,模型性能的质量会增加。此外,当法官的特征对他们的选择有很大影响时,表现会大大放大。
2021-07-29 stat.ME
Point and interval estimation of the target dose using weighted regression modelling
在II期安慰剂对照剂量探索研究中,将具有几个剂量水平的新药与安慰剂进行比较,以测试新药的有效性。这些研究的主要重点通常在于表征剂量-反应关系,然后估计导致相对于安慰剂的临床相关效应的目标剂量。该目标剂量在药物开发研究中被称为最小有效剂量(MED)。存在将多重比较程序与建模技术相结合的几种方法,以有效地估计剂量-反应模型,然后选择目标剂量。尽管现有方法具有灵活性,但它们不能完全解决模型选择步骤中的模型不确定性,并可能导致目标剂量估计值有偏差。在这篇文章中,我们提出了两个新的MED估计方法的基础上加权回归模型,对剂量反应模型假设的偏差是强大的。这些方法与现有的方法进行比较,就其准确性点和区间估计的MED。我们说明了一个模拟研究,通过整合一个新的剂量估计方法与现有的剂量-反应曲线估计方法之一,可以考虑到不确定性的模型选择步骤。
2020-07-12 stat.ME
iprior: An R Package for Regression Modelling using I-priors
这是R软件包iprior的概述,它实现了拟合参数和非参数回归模型的统一方法,包括加法模型、多水平模型和具有一个或多个函数协变量的模型。基于最大熵原理,I先验是协方差核等于费舍尔信息的回归函数的客观高斯过程先验。回归函数由I先验下的后验均值估计,超参数由极大边缘似然估计。I-prior模型的估计简单,推理简单,而小样本和大样本的预测性能与类似的领先的最先进的模型相当,而且往往更好。我们通过分析模拟玩具数据集以及三个真实数据的例子,特别是,一个多层次的数据集,一个纵向数据集,和一个数据集,涉及一个功能协变量的iprior包的使用。
2019-11-30 stat.CO stat.ME
A general joint latent class model of longitudinal and survival data with the covariance modelling
该研究提出一种一般联合潜在类别模型,通过协方差回归子模型建模异质随机效应,结合纵向与生存数据,实现无偏估计与动态预测。
2025-03-25 stat.ME
Flexible Predictive Distributions from Varying-Thresholds Modelling
提出了一类通用的模型,该模型能够在给定解释变量$\xb$向量的情况下估计因变量$Y$的整个预测分布。这些模型利用解释变量的强度来区分因变量的低值和高值,这可能会在用于定义低值和高值的阈值上有所不同。模型的简单线性版本是经典线性回归模型的推广,也是广泛使用的有序回归模型的推广。它们允许以参数函数的形式可视化解释变量的效果。更一般的模型是基于有效的非参数方法,如随机森林,它更灵活,是强大的预测工具。给出了一个通用的估计方法,它可以使用所有的估计工具,已提出的二元回归,包括选择方法,如套索或弹性网。对于线性结构的模型,导出了最大似然估计。模拟和几个真实的数据集的模型的有用性说明。
2021-03-24 stat.ME
Optimal multi-wave sampling for regression modelling in two-phase designs
两阶段设计涉及在已经测量了一些变量的队列子集上测量额外的变量。两阶段设计的目标是从队列中选择一个子样本,并有效地分析该子样本。得到一个能给出回归参数最有效估计的最优设计是很有意义的。在本文中,我们提出了一个多波抽样设计,以近似最优设计的设计为基础的估计。影响函数用于计算最优采样分配。我们建议使用信息先验的回归参数,以获得波-1的采样概率,因为任何预先指定的采样概率可能是远离最佳和降低效率。广义排序用于统计分析。我们表明,一个两波采样与合理的信息先验将最终与更高的精度为感兴趣的参数,并接近底层的最优设计。
2020-08-23 stat.AP stat.ME
Bayesian semiparametric modelling of covariance matrices for multivariate longitudinal data
本文开发了多变量纵向响应的边际模型。总体而言,该模型由五个回归子模型组成,一个用于平均值,四个用于协方差阵,后者是通过考虑各种矩阵分解得到的。我们采用的分解是直观的,易于理解的,并且它们不依赖于任何假设,例如多变量响应之间存在排序。回归子模型是半参数的,未知函数由基函数展开表示。我们使用spike-slap先验的回归系数,以实现变量的选择和功能的正则化,并获得参数估计,考虑模型的不确定性。提出了一种有效的后验抽样马尔可夫链蒙特卡罗算法。模拟研究调查先验对后验的影响,当考虑多变量纵向分析而不是单变量分析时可能会获得的收益,以及这些收益是否可以抵消缺失数据的负面影响。我们将这些方法应用于一个高度不平衡的纵向数据集,该数据集在20年的时间内观察到四个响应
2020-12-17 stat.ME
Standardization and Control for Confounding in Observational Studies: A Historical Perspective
直到20世纪60年代,观察性研究中混杂因素的控制通常通过分层和标准化来处理。标准化通常会重新加权特定于层的比率,以便风险类别具有可比性。随着对数线性模型的发展,以及新兴计算机可以处理的非线性回归技术(逻辑斯谛回归、故障时间回归)的发展,回归建模成为首选方法,就像连续结果的多重回归分析一样。自1990年代中期以来,越来越明显的是,加权方法仍然经常有用,有时甚至是必要的。在此背景下,我们的目标是描述的建模方法的出现和混淆控制的加权方法的改进。
2015-03-10 stat.ME
The CDF penalty:sparse and quasi unbiased estimation in regression models
在高维回归建模中,预测变量中包含的候选协变量数量相当大,变量选择至关重要。在这项工作中,我们提出了一个新的惩罚,能够保证稀疏的变量选择,即完全为零的回归系数估计,和准无偏的“选定”的变量在高维回归模型的系数。仿真结果表明,我们的建议执行不差于它的竞争对手,同时始终确保解决方案是唯一的。
2022-12-16 stat.ME
Optimal design, financial and risk modelling with stochastic processes having semicontinuous covariances
A.N. Kolmogorov提出了几个随机过程的问题,这些问题后来很少涉及,其中一个公开问题是具有不连续协方差函数的随机过程。例如,最近统计学中的许多作者在回归和克里格中使用了连续的协方差函数。在本文中,我们引入纯粹的拓扑定义的协方差核的正则条件,仍然适用于增加和填充域渐近回归问题,克里格和金融。这些条件与Ornstein-Uhlenbeck过程的连续映射有关。此外,新的正则条件通过考虑协方差的连续性,放松了协方差函数的连续性。我们提供了几个新的应用介绍类的最优设计的随机场,随机游动在金融和概率的废墟有关的冲击,如地震。特别地,我们构造了一个协方差连续的随机游动模型。
2015-12-03 stat.ME
Bayesian Dynamic Network Modelling: an application to metabolic associations in cardiovascular diseases
我们提出了一种新的方法来估计多个图形模型,以分析不同患者组的一组代谢物之间的关联的时间模式。我们的激励应用是Southall和Brent Revisited(SABRE)研究,这是一项在英国进行的三种族队列研究。我们感兴趣的是确定代谢物水平和相关性的潜在种族差异以及它们随时间的演变,目的是更好地了解不同种族之间心脏代谢疾病的不同风险。在贝叶斯框架内,我们采用逐节点回归方法来推断图的结构,跨时间和跨种族借用信息。感兴趣的响应变量是在两个时间点测量的两个种族群体(欧洲人和南亚人)的代谢物水平。我们使用逐节点回归来估计代谢物的高维精度矩阵,通过动态马蹄铁先验对回归系数施加稀疏性,从而有利于稀疏图。我们提供的代码,以适应建议的模型使用软件斯坦,它使用哈密顿蒙特卡罗采样,以及块吉布斯抽样计划的详细描述进行后验推理。
2022-07-27 stat.ME
Robust non-parametric mortality and fertility modelling and forecasting: Gaussian process regression approaches
School of Mathematics and Actuarial Science, University of Leicester(莱斯特大学数学与精算学院)
本文提出一种基于高斯过程回归的非参数方法,利用自然三次样条均值函数和谱混合协方差函数对年龄别死亡率和生育率进行建模与预测,在多个发达国家数据上相比主流方法显著提升了短期、中期和长期预测的精确性与稳健性。
2021-02-18 cs.LG stat.AP stat.ME
Mixture composite regression models with multi-type feature selection
本文的目的是提出一个混合复合回归模型的索赔严重性建模。索赔严重性建模提出了几个挑战,如多模态,重尾性和数据的系统性影响。我们解决这个建模问题,通过研究一个混合复合回归模型的同时建模的损耗和大额索赔,并考虑系统的影响,在混合物成分以及混合概率。对于模型拟合,我们提出了一种组融合正则化方法,允许我们选择解释变量,显着影响混合概率和不同的混合成分,分别。我们开发了一个渐近理论,这种正规化的估计方法,并使用一种新的广义期望最大化算法进行拟合。我们在真实的汽车保险数据集上验证了我们的方法。
2021-07-30 econ.EM stat.AP stat.ME
Linear Regression, Covariate Selection and the Failure of Modelling
有人认为,所有基于模型的方法来选择协变量的线性回归都失败了。这适用于基于P值的频率论方法和贝叶斯方法,尽管原因不同。在第一部分的文件13模型为基础的程序相比,无模型的高斯协变量的程序中所选择的协变量和所需的时间。比较是基于七个数据集和三个模拟。这些数据集并没有什么特别之处,它们经常被用作文献中的示例。所有基于模型的程序都失败了。在本文的第二部分,有人认为,这种失败的原因是一个模型的使用。如果模型涉及所有可用的协变量,则可以使用标准P值。在这种情况下,P值的使用非常简单。一旦模型只指定了协变量的某个未知子集,问题就在于识别这个子集,情况就发生了根本性的变化。有许多P值,它们是依赖的,大多数是无效的。基于P值的方法崩溃了。贝叶斯范式也假设了一个正确的模型,但尽管大量的协变量没有概念上的问题,但即使对于中等大小的数据集,也会产生相当大的开销,导致计算和分配问题。高斯协变量程序基于P值,P值定义为随机高斯协变量优于所考虑协变量的概率。这些P值在任何情况下都是准确和有效的。的分配要求和算法的复杂性都是线性的数据的大小,使程序能够处理大的数据集。它在各方面都优于其他所有程序。
2022-02-22 stat.ME
qgam: Bayesian non-parametric quantile regression modelling in R
广义可加模型(GAM)是一种灵活的非线性回归模型,可以使用mgcv R软件包提供的近似贝叶斯方法有效地拟合。虽然mgcv提供的GAM方法是基于响应分布是参数化建模的假设,但在这里,我们讨论更灵活的方法,不需要任何参数假设。特别地,本文介绍了qgam包,它是mgcv的扩展,提供了用于在R中拟合分位数GAM(QGAM)的快速校准贝叶斯方法。QGAM基于Koenker(2005)的弹球损失的平滑版本,而不是基于似然函数,因此,联合实现分位数点估计的令人满意的精度和相应可信区间的覆盖需要采用Fasiolo、Wood、Zaffran、Nedellec和Goude(2020 b)的专门贝叶斯拟合框架。在这里,我们详细介绍了这个框架是如何在qgam中实现的,我们提供了一些例子来说明如何在实践中使用这个包。
2020-07-07 stat.AP stat.CO stat.ME
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
On Quantile Regression Forests for Modelling Mixed-Frequency and Longitudinal Data
本论文扩展分位数回归森林算法,提出MIDAS-QRF和FM-QRF两种新方法,分别处理混合频率和纵向数据,并在金融风险管理和气候变化评估中验证其有效性。
2025-02-24 cs.LG stat.ME stat.ML
Functional Uniform Priors for Nonlinear Modelling
本文研究了当统计模型的一个主要组成部分依赖于一个非线性函数时,求先验分布的问题。利用在一般度量空间中构造均匀分布的结果,我们提出了一个在非线性函数的函数形状空间中均匀分布的先验分布,然后通过逆变换得到原模型参数的先验分布.本文中考虑的主要应用是非线性回归,但这个想法可能会超出这种情况。对于非线性回归,这样构造的先验的优点是它们是参数化不变的,并且不违反似然原理,而不是参数或Jeffrey先验的均匀分布。通过一个真实的数据实例和模拟,在临床剂量探索试验中的非线性回归建模的背景下,证明了所提出的先验的效用。此外,建议的先验被用于计算最优贝叶斯设计。
2011-10-19 stat.CO stat.ME
Moderation effects and elasticities in compositional regression with a total. Application to Bayesian spatiotemporal modelling of all-cause mortality from environmental stressors
University of Girona(赫罗纳大学);Centro de Investigación Biomédica en Red de Epidemiología y Salud Pública, Instituto de Salud Carlos III(公共卫生与流行病学生物医学研究中心,卡洛斯三世健康研究所)
本文提出了一种基于贝叶斯空间时间建模的方法,用于分析环境压力源对全部原因死亡率的影响,考虑总效应和调节效应。
2025-05-12 stat.AP stat.ME
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
PoolTestR: An R package for estimating prevalence and regression modelling with pooled samples
合并检测(也称为组检测),即对合并样本进行诊断检测,在动物和人类疾病监测中具有广泛的应用。一个日益普遍的使用案例是分子异种监测(MX),通过捕获和测试大量病媒(如蚊子)来监测病媒传播的疾病。R软件包PoolTestR的开发是为了满足日益庞大和复杂的分子异种监测调查的需求,但也可以应用于分析涉及合并测试的任何数据。PoolTestR包括简单灵活的工具,用于估计患病率,并在频率论和贝叶斯框架中为汇总数据拟合固定和混合效应广义线性模型。混合效应模型允许用户考虑调查中经常采用的分层抽样设计,包括MX。我们证明了实用的PoolTestR通过将其应用到一个大型的合成数据集,模拟MX调查与分层抽样设计。
2020-12-10 stat.CO stat.ME stat.OT
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
Regression modelling of spatiotemporal extreme U.S. wildfires via partially-interpretable neural networks
School of Mathematics, University of Edinburgh(爱丁堡大学数学学院);Statistics Program, Computer, Electrical and Mathematical Sciences and Engineering (CEMSE) Division, King Abdullah University of Science and Technology (KAUST)(阿卜杜拉国王科技大学计算机、电气与数学科学与工程(CEMSE)分部统计项目)
针对美国极端野火风险量化需求,提出结合线性/加性回归与深度学习的部分可解释神经网络及新型极值点过程模型,在高维野火数据上预测性能显著优于传统回归方法。
2024-03-07 cs.LG stat.ME stat.ML
How does academic performance affect self-efficacy? Interpretable modelling through latent academic achievement
Human Technology Institute, University of Technology Sydney(人类技术研究所,悉尼科技大学);School of Mathematical and Physical Sciences, University of Technology Sydney(数理科学学院,悉尼科技大学)
本文提出贝叶斯模型,将潜在学业成就作为预测变量纳入自我效能回归,并通过变量选择识别相关因素,揭示学业成就与自我效能的关系。
2026-07-01 stat.AP stat.ME
A Modelling Framework for Regression with Collinearity
本文提出一种处理共线性回归的实证有效建模框架EEM-M,通过两个模型选择过程分别控制共线性并评估整体性能,并设计了两种算法实现该框架。
2023-06-26 math.ST stat.ME stat.TH
Additive interaction modelling using I-priors
针对带交互项的加性回归模型估计与选择难题,研究将I-prior方法扩展至多协变量场景,提出交互模型简约设定,既简化参数估计又支持基于边际似然的模型选择。
2023-06-13 math.ST stat.ME stat.ML
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