Estimating the health effects of environmental mixtures using Bayesian semiparametric regression and sparsity inducing priors
人类经常暴露于化学品和其他环境因素的混合物中，这使得量化与环境混合物相关的健康影响成为制定充分保护人类健康的环境政策的关键目标。对接触环境混合物的影响进行量化提出了若干统计挑战。通常情况下，暴露于多种污染物会相互作用，从而影响结果。此外，结果与某些暴露（如某些金属）之间的风险-响应关系可能表现出复杂的非线性形式，因为某些暴露在不同的暴露范围内可能是有益的，也可能是有害的。为了估计复杂混合物的健康影响，我们提出了一个灵活的贝叶斯方法，允许暴露相互作用，并与结果有非线性关系。我们使用多变量尖峰和板先验来诱导稀疏性，以确定哪些曝光与结果相关，以及哪些曝光相互作用。所提出的方法是可解释的，因为我们可以使用包含到模型中的后验概率来识别相互作用的污染物。我们说明了我们的方法的能力，使用模拟数据来估计复杂的功能，并将我们的方法应用于两项研究，以确定哪些环境污染物对健康产生不利影响。
2019-10-29 stat.ME
Prenatal phthalate exposures and adiposity outcomes trajectories: a multivariate Bayesian factor regression approach
本研究基于MSCEHS母婴队列，提出BMFR模型联合分析邻苯二甲酸酯潜在混合因子对多项儿童肥胖指标的非线性、时变及性别特异性影响，发现男孩存在年龄反转关联而女孩无显著关联。
2025-10-19 stat.AP stat.ME
Bivariate Analysis of Birth Weight and Gestational Age Depending on Environmental Exposures: Bayesian Distributional Regression with Copulas
在这篇文章中，我们分析了围产期数据与出生体重（BW）作为主要有趣的反应变量。遗传年龄（GA）通常是一个重要的协变量，并包括在多项式形式。然而，与这种单变量回归相反，建议对BW和GA进行双变量建模，以区分对每一个、对两者以及它们之间的影响。而不是一个参数的二元分布，我们应用条件copula回归，其中的边缘分布的BW和GA（不一定是相同的形式）可以独立估计，其中的依赖结构建模条件的协变量分别从这些边缘。在所得到的分布回归模型中，两个边缘和copula参数的所有参数都是观测特定的。除了生物统计和产科信息外，还包括饮用水污染和产妇吸烟数据，作为环境协变量。虽然高斯分布适用于BW，但三参数Dagum分布更好地模拟了倾斜的GA数据。克莱顿copula表现优于Gumbel和对称高斯copula，表明较低的尾部依赖性（当两个变量都很低时，依赖性更强），尽管BW和GA之间的这种非线性依赖性令人惊讶地弱，并且只受剖腹产的影响。一个非线性趋势的BW GA检测到一个经典的单变量模型，是多项式的GA的效果。两个模型对BW均值的线性影响相似，而我们的分布copula回归也揭示了协变量对所有其他参数的影响。
2021-10-31 stat.AP stat.ME
Bayesian Latent Class Regression with Interpretable Binary Profiles
Duke University（杜克大学）；Columbia University（哥伦比亚大学）
针对高维分类数据，提出一种引入二元潜在属性层的贝叶斯潜在类别回归模型（BLIP），满足可识别性和后验一致性，并具有贝叶斯最优聚类性质以应对维数灾难。
2026-05-27 stat.ME
Estimating a Causal Exposure Response Function with a Continuous Error-Prone Exposure: A Study of Fine Particulate Matter and All-Cause Mortality
许多研究已经研究了长期暴露于细颗粒物（PM2.5）和不良健康结果之间的关系。最近，许多这些研究已经开始采用高分辨率的预测PM2.5浓度，这是测量误差。先前用于曝光测量误差校正的方法已经应用于非因果设置中或者仅考虑了分类曝光。此外，大多数程序都没有考虑到误差校正引起的不确定性时，拟合的响应函数（ERF）。为了弥补这些不足，我们开发了一个多重插补框架，结合回归校准和贝叶斯技术来估计因果ERF。我们演示了如何输出的测量误差校正步骤可以无缝集成到贝叶斯加性回归树（BART）估计的因果ERF。我们还演示了如何从BART的后验样本的局部加权平滑可以用来创建一个更准确的ERF估计。我们提出的方法也适当地传播曝光测量误差的不确定性，以产生准确的标准误估计。我们评估我们提出的方法在广泛的模拟研究的鲁棒性。然后，我们应用我们的方法来估计PM2.5对2000-2012年新英格兰医疗保险参保者全因死亡率的影响。
2022-11-28 stat.AP stat.ME
Estimating Perinatal Critical Windows of Susceptibility to Environmental Mixtures via Structured Bayesian Regression Tree Pairs
母亲在怀孕期间接触环境化学品可能会改变分娩和儿童的健康结果。研究旨在确定暴露可能改变未来健康结果的关键窗口和时间段，并估计风险-反应关系。现有的统计方法侧重于估计在高时间分辨率下观察到的母亲接触单一环境化学品（如整个怀孕期间每周一次）与儿童健康结果之间的关联。扩展到在高时间分辨率下观察到的多种化学品会带来维度问题，并且缺乏统计方法。我们提出了一个基于树的模型，在高时间分辨率下观察到的混合曝光。所提出的方法使用的结构化的树对，定义结构化的主效应和时间分辨的预测变量和变量选择之间的相互作用，选择出的模型预测不相关的结果的加法合奏。我们将我们的方法应用于模拟和分析在科罗拉多州丹佛市出生队列中，在整个妊娠期间每周测量的五次暴露与出生体重之间的关系。我们确定了细颗粒物，二氧化硫和温度与出生体重呈负相关的关键窗口以及细颗粒物和温度之间的相互作用。软件在R软件包dlmtree中提供。
2021-07-01 stat.ME
Bayesian kernel machine regression-causal mediation analysis
更好地了解环境混合物的作用途径对于设计有效的干预措施十分重要。我们提出了一种新的方法来估计自然的直接和间接影响，并通过一个中介变量控制的直接影响的复杂的混合物暴露的结果。我们实现贝叶斯核机器回归（BKMR），以允许所有可能的相互作用和非线性效应（1）共同暴露对中介，（2）共同暴露和中介对结果，以及（3）选定的协变量对中介和/或结果。从后验预测分布的中介和结果，我们模拟反事实，以获得后验样本，估计，和可信区间的中介效果。我们的模拟研究表明，当确定性-中介和确定性-中介-结果关系复杂时，BKMR-因果中介分析比现有的调解方法表现得更好。我们应用我们的方法来量化的贡献，出生长度之间的中介在子宫内共同暴露于砷，锰和铅，儿童的神经发育评分，在孟加拉国的一个前瞻性的出生队列。在年龄较小的儿童中，我们发现金属混合物和神经发育之间存在负（不利）关联。我们还发现，出生长度介导暴露于金属混合物对幼儿神经发育的影响。如果将出生身长固定为其$75^{th}$百分位值，则金属混合物对神经发育的有害影响减弱，这表明有助于增加胎儿生长的营养干预，从而出生身长可能会潜在地阻断金属混合物对神经发育的有害影响。
2021-12-21 stat.ME
Objective Bayesian hypothesis testing in binomial regression models with integral prior distributions
在这项工作中，我们应用积分先验的方法来处理贝叶斯模型选择在二项式回归模型与一般的链接功能。这些模型经常用于调查流行病学研究中的关联和风险，其中一个目标是展示暴露是否是发展某种疾病的风险因素;本文的目的是测试特定暴露因素的影响。我们制定了贝叶斯模型选择情况下的问题，并解决它使用客观贝叶斯因素。为了在二项回归模型的回归系数上构造参考先验分布，我们依赖于积分先验的方法，该方法几乎是自动的，因为它只需要指定估计参考先验，并且不依赖于这些先验中的调整参数或超参数。
2013-06-28 stat.CO stat.ME
Incorporating prior information into distributed lag nonlinear models with zero-inflated monotone regression trees
本研究提出融入先验信息的分布滞后非线性模型改进方法，通过单调性约束、变量选择及树中树模型与零膨胀先验实现滞后选择，经模拟验证后应用于芝加哥极端温度与死亡率的滞后关联分析。
2023-10-04 stat.ME
Compositional Outcomes and Environmental Mixtures: the Dirichlet Bayesian Weighted Quantile Sum Regression
本研究提出Dirichlet-BWQS回归，用于联合建模组合结局与环境混合物，可同时估计混合物权重及总体暴露指数与各结局比例的关联，并通过模拟和真实数据验证，提供R包实现。
2025-03-28 stat.AP stat.ME
Treed distributed lag nonlinear models
在对母亲暴露于空气污染的研究中，儿童的健康结果与怀孕期间观察到的暴露有关。分布滞后非线性模型（DLNM）是一种统计方法，通常用于估计暴露效应为非线性时的时间响应函数。DLNM的先前实现估计用双变量基展开参数化的时间响应表面。然而，诸如样条的基函数假设整个曝光时间响应表面上的平滑度，这在曝光仅在特定时间窗口中与结果相关联的设置中可能是不现实的。我们提出了一个基于贝叶斯加性回归树的DLNM估计框架。我们的方法使用一组回归树进行操作，每个回归树都假设跨时间空间的分段常数关系。在模拟中，我们表明，我们的模型优于基于样条的模型时，确定时间的表面是不光滑的，而这两种方法在设置中的真实表面是光滑的表现相似。重要的是，所提出的方法是较低的方差，更精确地确定关键窗口期间，暴露与未来的健康结果。我们应用我们的方法来估计美国科罗拉多州出生队列中母亲暴露于PM $_{2.5}$和出生体重之间的关联。
2021-06-15 stat.ME
Hybrid Gaussian Process Regression with Temporal Feature Extraction for Partially Interpretable Remaining Useful Life Interval Prediction in Aeroengine Prognostics
Fudan University（复旦大学）
本文提出一种改进的高斯过程回归与深度自适应学习相结合的混合模型，用于航空发动机剩余使用寿命区间预测，通过时序特征提取和特征重要性评估提升预测准确性、可解释性与不确定性建模能力。
2024-11-19 cs.AI cs.LG stat.ML
Bayesian kernel machine regression for heteroscedastic health outcome data
本文针对环境流行病学中BKMR模型误差项恒定方差假设不成立的问题，开发了异方差HBKMR方法，通过贝叶斯分层方差模型更新健康效应估计，并在两项真实金属暴露案例中显著提升了模型拟合度。
2025-05-29 stat.AP stat.ME
Surrogate Model For Field Optimization Using Beta-VAE Based Regression
Visage Technology
油田开发相关的决策是使用基于油藏模拟的优化研究，其中不同的生产方案和井控制进行了比较。这种模拟在计算上是昂贵的，因此使用代理模型来加速研究。深度学习过去曾被用于生成替代模型，但此类模型通常无法量化预测的不确定性，并且不可解释。在这项工作中，β-VAE为基础的回归，提出了生成模拟替代品用于优化工作流程。beta-VAE使潜在空间中的决策变量的可解释的、因子化的表示成为可能，然后进一步用于回归。概率密集层用于量化预测的不确定性，并支持近似贝叶斯推理。使用基于β-VAE的回归开发的代理模型发现可解释的和相关的潜在表征。合理的β值确保因子解纠缠和重构之间的良好平衡。概率密集层有助于量化目标函数的预测不确定性，然后用于决定是否需要对案例进行全物理模拟。
2022-02-27 cs.LG stat.ML
A Bayesian regression tree approach to identify the effect of nanoparticles' properties on toxicity profiles
我们引入贝叶斯多元回归树模型来表征纳米颗粒的物理化学性质与其在多剂量和暴露时间的体外毒性之间的关系。与依赖于数据汇总的传统模型不同，我们的模型通过将来自一般暴露实验的所有测量值跨剂量、暴露时间和重复组合，解决了低样本量问题，并避免了任意信息丢失。所提出的技术集成贝叶斯树建模阈值效应和相互作用，和惩罚B-样条的剂量和时间响应表面平滑。通过马尔可夫链蒙特卡罗对所得到的后验分布进行采样。这种方法允许推断大量的潜在利益的实质性纳米毒理学，如物理化学性质的重要性及其对毒性的边际效应的数量。我们说明了我们的方法的应用程序的分析库的24纳米金属氧化物。
2015-06-01 stat.AP
Bayesian Multiple Index Models for Environmental Mixtures
提出贝叶斯多指标模型框架，结合响应面与暴露指标方法优点，统一环境混合物分析，在NHANES数据中实现良好拟合与高可解释性。
2021-01-13 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
Scalable Gaussian Process Regression Via Median Posterior Inference for Estimating Multi-Pollutant Mixture Health Effects
Google Research（谷歌研究）；Department of Statistics University of California Davis（加州大学戴维斯分校统计系）；Department of Environmental Health Harvard University（哈佛大学环境健康系）；Department of Biostatistics Harvard University（哈佛大学生物统计学系）
本文提出基于中位数后验推断的分治策略，解决大规模数据下高斯过程回归的计算瓶颈，应用于估计环境污染物混合物对出生体重的影响。
2026-04-07 stat.ME
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
Consistency of common spatial estimators under spatial confounding
本文针对空间混杂问题，证明OLS与受限空间回归估计量存在渐近偏差，而采用GP工作协方差的GLS估计量在密化渐近下满足一致性，且该结论可推广至内生性与随机函数混杂场景，为空间回归的有效性提供了理论支撑。
2024-09-17 stat.ME
Bayesian dose-response analysis for epidemiological studies with complex uncertainty in dose estimation
大多数传统的风险分析方法依赖于对每人接触的单一最佳估计，这不允许对与接触有关的不确定性进行调整。在这里，我们提出了一个贝叶斯模型的平均方法，以适当量化的辐射剂量和疾病的结果之间的关系，占共享和非共享的不确定性估计剂量。我们的贝叶斯风险分析方法利用二维蒙特卡罗模拟方法产生的剂量集（向量）的多个实现，该方法正确分离了剂量估计中的共享和非共享错误。这项工作中使用的接触模型取自一项关于哈萨克斯坦境内2，376名受试者在接触核试验产生的沉降物后患甲状腺结节风险的研究。我们通过一系列广泛的模拟测试和传统的回归风险分析方法的比较，评估了我们的方法的性能。我们的结论是，当估计的剂量包含相对少量的不确定性，贝叶斯方法使用多个可能的真实剂量向量的实现给出了类似的结果，以传统的基于回归的方法的剂量-反应分析。然而，当共享和非共享的不确定性的大的和复杂的混合存在，贝叶斯方法使用多个剂量矢量有显着较低的相对偏差比传统的回归为基础的风险分析方法，以及显着增加的能力，包括预先建立的“真正的”风险系数内的可信区间的贝叶斯风险估计。使用我们的方法的剂量反应的评价甲状腺疾病的流行病学研究辐射照射后。
2014-09-02 stat.AP
Issues in Implementing Regression Calibration Analyses
回归校准是一种流行的方法，用于在暴露变量测量有误差时校正估计回归参数中的偏差。这种方法包括建立一个校准方程，以估计给定易出错测量值和其他混杂协变量的未知真实暴露值。然后，在健康结果回归模型中，用估计或校准的暴露量替代真实暴露量。使用得当，回归校准可以大大减小曝光量测量误差引起的偏差。在这里，我们首先概述了回归校准的统计框架，特别讨论了一种特殊类型的误差，称为Berkson误差，如何在估计的暴露中出现。然后，我们提出了应用回归校准时要考虑的实际问题，包括：（1）如何开发校准方程，包括哪些协变量;（2）有效的方法来计算估计的回归系数的标准误（SE）;和（3）如果校准模型中的协变量之一是暴露和结果之间的关系的中介所产生的问题。在整个文件中，我们提供了说明性的例子，使用的数据从西班牙裔社区健康研究/拉丁美洲人的研究（HCHS/SOL）和模拟。最后，我们给出了如何执行回归校准的建议。
2022-09-25 stat.ME
Hierarchical approaches for flexible and interpretable binary regression models
二元回归模型在几乎每个科学领域都是普遍存在的。通常，传统的广义线性模型无法捕捉概率表面的变化，从而产生的二进制观测和新的方法是必需的。这产生了大量的文献，包括各种应用程序的二元回归模型。我们描述了一种新的组织的推广传统的二元回归方法的基础上熟悉的三部分结构的广义线性模型（随机组件，系统组件，链接函数）。这种新的视角既有利于现有方法的比较，也有利于开发新颖、灵活的模型，这些模型具有可解释的参数，可以捕获特定于应用程序的数据生成机制。我们使用我们提出的组织结构来讨论一些问题与现有的模型的基础上，二进制数据的分位数回归。然后，我们使用该框架开发了几个新的二进制回归模型，专为欧洲红松鼠（松鼠）的占用数据。
2019-05-13 stat.AP stat.ME
Estimating the average treatment effects of nutritional label use using subclassification with regression adjustment
当治疗分配未随机化时，倾向得分方法通常用于估计二元处理效应。当暴露在有序尺度上测量时（即，低-中-高），然而，倾向得分推断需要得到有限关注的扩展。有序暴露的可能关注估计值是每对暴露水平之间的平均处理效应。使用这些被估量，可以确定最佳暴露水平。传统的方法，包括暴露的二分法或一系列暴露对之间的二元倾向得分比较，通常不足以识别最佳水平。我们将子分类与回归调整相结合，以估计有序暴露之间的传递性，无偏平均因果效应，并将我们的方法应用于2005-06年全国健康与营养检查调查，以估计营养标签使用对体重指数的影响。
2014-11-30 stat.ME
Function-on-Function Regression for the Identification of Epigenetic Regions Exhibiting Windows of Susceptibility to Environmental Exposures
确定个人最易受辐射影响的时间段以及这些辐射作用的生物机制的能力具有重大的公共卫生意义。越来越多的证据支持产前暴露于空气污染和表观遗传标记（如DNA甲基化）之间的关联，但这些表观遗传变化的时间和基因特异性影响尚不清楚。在这里，我们提出了第一个研究，旨在确定胎儿期窗口的空气污染暴露在脐带血DNA甲基化的易感性。特别是，我们提出了一个功能上的功能回归模型，利用附近的DNA甲基化探针的数据，以确定表现出窗口的敏感性小于2.5微米的环境颗粒物（PM $_{2.5}$）的表观遗传区域。通过在多变量DNA甲基化结果和所研究的随时间变化的暴露之间合并协方差结构，该框架产生了比独立建模探针的方法更大的检测易感性窗口和更大的错误发现控制的能力。我们将我们的方法与分布式滞后模型方法进行比较，该方法以逐个探针的方式对DNA甲基化进行建模，无论是在模拟中还是通过应用程序来激励来自Viva项目出生队列的数据。在两个表观遗传区域选择的基础上，空气污染的影响表观基因组甲基化的先前研究，我们确定的窗口PM $_{2.5}$暴露的开始和中期的妊娠晚期。
2019-12-13 stat.AP stat.ME
A Penalized Functional Linear Cox Regression Model for Spatially-defined Environmental Exposure with an Estimated Buffer Distance
针对环境暴露评估中缓冲区距离不确定的问题，提出基于惩罚函数线性Cox回归的域选择算法，并在护士健康研究中验证了绿色空间与抑郁的关联。
2023-12-31 stat.ME
Interaction between two exposures: determining odds ratios and confidence intervals for risk estimates
在流行病学研究中，常见的是调查风险因素之间的相互作用对一种结果，如疾病，从而估计与暴露于所调查的两个风险因素之一或两者相关的风险。可以使用相同的回归模型在加法和乘法尺度上估计相互作用。我们在这里提出了一个审查计算交互作用和估计的风险和置信区间的两个曝光使用一个单一的回归模型和措施之间的关系，特别是标准误的组合曝光风险组。
2020-08-04 stat.AP stat.ME
Scalable Interpretable Learning for Multi-Response Error-in-Variables Regression
包含噪声或缺失观测值的损坏数据集在各种当代应用中普遍存在，例如经济学，金融学和生物信息学。尽管最近在高维多响应回归的方法和算法方面取得了进展，但如何在污染协变量下实现可扩展和可解释的估计尚不清楚。在本文中，我们提出了一种新的方法称为凸条件序贯稀疏学习（COSS）的误差在变量的多响应回归下添加测量误差和随机缺失数据。它结合了最近发展的序贯稀疏因子回归和最近的半正定矩阵投影的优势，从而在大规模关联分析中享有逐步凸性和可扩展性。提供了全面的理论保证，我们通过数值研究证明了所提出的方法的有效性。
2020-05-11 math.ST stat.AP stat.ME
Residual-on-Residual Regression as a Tool for Effect Estimation in Observational Data
Emory University（埃默里大学）；University of Pittsburgh（匹兹堡大学）
提出残差对残差回归方法，通过拟合结局和暴露的混杂调整模型，再用普通最小二乘回归结局残差对暴露残差，估计部分线性模型中的暴露效应，在弱正向性违反时比AIPW和TMLE更稳定。
2026-07-01 stat.AP stat.ME
Multiple imputation in Cox regression when there are time-varying effects of exposures
在Cox回归中，研究暴露的时变效应（TVE）和检验比例风险假设有时很有意义。TVE可通过将对数风险比建模为时间函数进行研究。缺失暴露数据很常见，多重插补（MI）是处理这一问题的常用方法，以避免“完整病例”分析导致的潜在偏倚和效率损失。当实质性模型是Cox比例风险回归时，已经提出了两种MI方法：近似方法（White和Royston，Statist. 2009;28：1982-98）和实质模型相容方法（Bartlett等人，SMMR 2015;24：462-87）。目前，这两种方法都不适用于暴露的TVE。我们扩展他们这样做的一般形式的TVE，并给出具体的细节TVE建模使用限制三次样条。模拟研究评估的性能的方法下，几个基本的形状TVE。我们提出的方法给出了近似无偏的TVE估计的二进制曝光与缺失数据，但连续曝光的实质模型兼容的方法表现得更好。该方法还给出了近似正确的第一类错误在测试中的比例风险时，没有TVE，并获得功率检测TVE相对于完整的情况下分析。在插补阶段忽略TVE会导致TVE估计值偏倚、不正确的第一类错误和检测TVE的功效大幅损失。我们还提出了一个多变量TVE模型选择算法。该方法说明使用鹿特丹乳腺癌研究的数据。提供了示例R代码。
2017-06-28 stat.ME
A more interpretable regression model for count data with excess of zeros
针对零膨胀计数回归可解释性不足的问题，本文基于零膨胀 Poisson 分布的重新参数化构建更易解释的模型，并结合推断诊断、Monte Carlo 模拟和儿童死亡率应用验证其有效性。
2025-09-29 stat.ME
A quantile-based g-computation approach to addressing the effects of exposure mixtures
提出分位数g-computation方法估计暴露混合物联合效应，结合WQS回归简单性和g-computation灵活性，在常见场景下无偏估计并优于WQS回归，为公共卫生干预提供支持。
2020-03-11 stat.ME
Causal Selection of Covariates in Regression Calibration for Mismeasured Continuous Exposure
Harvard School of Public Health（哈佛大学公共卫生学院）；Yale School of Public Health（耶鲁大学公共卫生学院）
本文提出在回归校正中选择协变量的方法，以校正连续暴露测量误差导致的偏差，并探讨了在因果推断框架下如何选择最小和最高效的协变量调整集。
2023-09-18 stat.ME
Fractional ridge regression: a fast, interpretable reparameterization of ridge regression
The University of Washington eScience Institute（华盛顿大学电子科学研究所）；University of Washington（华盛顿大学）；Center for Magnetic Resonance Research（磁共振研究中心）；University of Minnesota（明尼苏达大学）
岭回归（RR）是一种正则化技术，它惩罚线性回归中系数的L2范数。使用RR的挑战之一是需要设置一个控制正则化量的超参数（$α$）。交叉验证通常用于从一组候选中选择最佳的$α$。然而，有效和适当地选择$α$可能具有挑战性，特别是在分析大量数据的情况下。由于所选的$α$取决于数据和预测因子的规模，因此无法直接解释。在这里，我们建议根据正则化和非正则化系数的L2范数之间的比率$γ$来重新参数化RR。这种称为分数RR（FRR）的方法有几个好处：保证为不同的$γ$获得的解决方案是不同的，防止浪费计算，并自动跨越正则化的相关范围，避免需要费力的手动探索。我们提供了一个解决FRR的算法，以及Python和MATLAB中的开源软件实现（https：//github.com/nrdg/fracridge）。我们表明，所提出的方法是快速和可扩展的大规模数据问题，并提供了直接解释和比较模型和数据集的结果。
2020-05-07 cs.LG stat.ME stat.ML
Marginally interpretable spatial logistic regression with bridge processes
本文提出了一种新的空间逻辑回归模型，利用桥过程同时保持群体平均和个体特定的解释，适用于空间数据的预测与分析。
2025-12-03 stat.AP stat.ME
Multiresolution categorical regression for interpretable cell type annotation
针对分类响应的多分辨率结构问题，提出高维多分辨率分类回归方法及可扩展拟合算法，可识别不同分辨率下的有效预测变量，应用于细胞类型注释并提供新生物学见解。
2023-08-23 stat.AP stat.CO stat.ME
A Spectral Confounder Adjustment for Spatial Regression with Multiple Exposures and Outcomes
North Carolina State University（北卡罗来纳州立大学）；Colorado State University（科罗拉多州立大学）；US EPA, Center for Public Health and Environmental Assessment（美国环境保护署，公共健康与环境评估中心）
该研究针对多暴露多结局空间回归的混杂问题，提出张量回归模型，以局部无混杂假设替代严格因果假设，分析美国南部数据揭示经济韧性对慢性健康结局的效应，提供可解释的流行病学见解。
2026-09-01 stat.ME
Estimating Heterogeneous Exposure Effects in the Case-Crossover Design using BART
本文提出 CL-BART，将 BART 嵌入条件 logistic 回归并用可逆跳 MCMC 估计病例交叉设计中的个体异质暴露效应，且在加州热浪与阿尔茨海默病研究中展示其效应修饰分析能力。
2024-06-09 stat.AP stat.ME
Regression calibration to correct correlated errors in outcome and exposure
测量误差通过各种机制产生。关于协变量测量误差引入的偏倚以及解决该偏倚的分析方法，存在丰富的文献。相比之下，对结果评估误差和非经典协变量测量误差的关注较少。我们考虑的回归校准方法的扩展设置在一个连续的结果，其中的错误可能与预后协变量或与协变量测量误差。该方法调整数据中的测量误差，并且可以应用于验证子集，在该验证子集上也观察到真实数据（例如，研究审计）或可靠性子集，其中可获得易出错测量的第二观察。对于每种情况下，我们提供的条件下，所提出的方法是可识别的，并导致回归参数的无偏估计。当可靠性子集上的第二测量没有误差或经典无偏测量误差时，所提出的方法是无偏的，即使当主要结果和感兴趣的暴露受到系统误差和随机误差的影响。我们研究的性能的方法与模拟各种测量误差的情况下和大小的可靠性子集。我们说明了该方法的应用程序使用的数据从妇女健康倡议饮食调整试验。
2018-11-26 stat.ME
Causal Covariate Selection for the Imputation-based Regression Calibration Method for Exposure Measurement Error Bias Correction
本文利用有向无环图确定了CRS回归校准方法中最小且最高效的协变量调整集选择标准，并通过健康专业人员随访研究的纤维摄入与心血管疾病案例验证了方法的有效性，同时指出了数据驱动建模的潜在问题。
2024-01-15 stat.ME
Interpretable sensitivity analysis for the Baron-Kenny approach to mediation with unmeasured confounding
本文针对未测量混杂下Baron-Kenny中介分析估计有偏的问题，推导了向量线性回归的遗漏变量偏差公式，提出了对应有向无环图自然分解的可解释敏感性参数，并定义了“中介稳健性值”以评估结果对未测量混杂的稳健性，同时证明了所有敏感性边界均紧致可达。
2025-04-04 stat.ME
An interpretable neural network-based non-proportional odds model for ordinal regression
The Institute of Statistical Mathematics（统计数理研究所）；RIKEN Center for Advanced Intelligence Project（理化学研究所先进智能项目中心）；Tokyo Medical University（东京医科大学）
本研究提出用于有序回归的可解释神经网络非比例优势模型N$^3$POM，兼具灵活性与可解释性，建立了局部单调性充分条件并给出保单调性训练算法，可应用于多类真实数据集。
2024-03-11 cs.LG stat.ME stat.ML
GAUGER: Generalized Regression Adjustment via Graph-Weighted Exposure-Level Residualization for Design-Based Inference Under Interference
Adobe Research（Adobe研究院）；UC Berkeley（加州大学伯克利分校）
针对干扰下因果效应估计问题，提出GAUGER框架，采用两步法，先利用强预测模型学习结果模式，再用图加权暴露水平残差化校准，所得估计器一致且方差可减，数值研究显示其比现有方法效率更高。
2026-07-24 stat.ME
Hybrid Bernstein Normalizing Flows for Flexible Multivariate Density Regression with Interpretable Marginals
Institute for Applied Research HTWG - University of Applied Sciences（应用研究研究所 HTWG - 高等专业学院）；Chair of Statistics and Campus Institute Data Science (CIDAS) University of Göttingen（统计学教授及校园数据科学研究所 (CIDAS) 雷姆森大学）；Department of Statistics LMU Munich（统计学系 慕尼黑大学）；Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心）
针对多元密度回归中模型灵活性与可解释性难以兼顾的问题，提出结合多元条件变换模型（MCTM）与自回归归一化流（NF）的混合方法，兼顾边缘分布可解释性与联合分布建模灵活性，经实验验证性能优于现有方法。
2025-06-12 cs.LG stat.AP stat.ME
Interpretable modeling for short- and medium-term electricity load forecasting
我们考虑的问题，短期和中期的电力负荷预测，通过使用过去的负荷和每日的天气预报信息。传统上，许多研究人员直接应用回归分析。然而，解释天气对这些负荷的影响是困难的与现有的方法。在这项研究中，我们建立了一个统计模型，解决这个解释问题。一个基展开的变系数模式被用来捕捉天气效应的非线性结构。当回归系数为非负时，这种方法产生可解释的模型。为了估计非负回归系数，我们采用非负最小二乘法。三个实际数据分析表明，我们提出的统计建模的实用性。其中两个证明了我们所提出的方法具有良好的预测精度和可解释性。在第三个例子中，我们调查了COVID-19对电力负荷的影响。这种解释将有助于制定节能干预和需求响应战略。
2020-07-02 stat.AP stat.ME
Penalized Split Criteria for Interpretable Trees
本文介绍了技术的增长分类和回归树，旨在诱导视觉上可解释的树。这是通过惩罚扩展在树的特定分支中使用的特征子集的分裂来实现的。在简短的动机之后，我们总结了现有的方法并介绍了新的方法，并提供了说明性的例子。使用一些真实的分类和回归数据集，我们发现，这些程序可以提供更多的解释适合比CART方法非常温和的增加样本外损失。
2013-10-21 stat.ME
Collapsible Kernel Machine Regression for Exposomic Analyses
针对大规模暴露组学分析中贝叶斯核机器回归功效低且难解释的问题，提出一种允许单独选择加性与非加性效应的灵活框架，提升了统计功效并简化了模型解释。
2024-09-26 stat.ME
How do dataset characteristics affect the performance of propensity score methods and regression for controlling confounding in observational studies? A simulation study
在观察性研究中，研究人员必须选择一种方法来控制混杂因素。选项包括倾向得分方法和回归。目前尚不清楚数据集特征（大小、倾向得分重叠、暴露流行率）如何影响方法的相对性能，因此难以为特定数据集选择最佳方法。进行了一项模拟研究，以评估数据集特征对倾向得分方法性能的作用，与逻辑斯谛回归相比，用于在存在混杂的情况下估计边际比值比。结果模拟逻辑和互补双对数模型，大小，重叠的倾向得分，和患病率的暴露是不同的。回归显示小样本量的覆盖率较差，但大样本量的倾向评分和低暴露患病率的不平衡比倾向得分方法更稳健。倾向评分方法经常显示次优覆盖，特别是当倾向得分重叠减少时。这些问题在更大的样本量下加剧。匹配方法的功效尤其受到缺乏重叠、低暴露率和小样本量的影响。治疗加权逆概率的性能在很大程度上取决于数据集特征，覆盖率低，偏倚低。在敏感性分析中，大数据量回归的优势不太明显，具有互补的双对数结局生成机制和未测量的混杂，偏倚和误差更优，但覆盖率低于最近邻和卡尺匹配。
2022-03-24 stat.ME
Scalable Interpretable Multi-Response Regression via SEED
稀疏降秩回归是一种重要的工具，可以在许多大数据应用中发现大量预测因子和响应之间有意义的依赖结构，例如全基因组关联研究和社交媒体分析。尽管最近的理论和算法的进步，稀疏降秩回归的可扩展估计仍然在很大程度上未被探索。在本文中，我们提出了一个可扩展的过程称为序贯估计与特征值分解（SEED），它只需要一个单一的顶部- $r$奇异值分解，找到最佳的低秩和稀疏矩阵，通过解决一个稀疏的广义特征值问题。我们建议的方法不仅是可扩展的，但也同时进行降维和变量选择。在较弱的正则条件下，我们证明了SEED具有良好的抽样性质，包括估计、秩选择、预测和模型选择的一致性。对合成数据集和真实数据集的数值研究表明，SEED算法在大规模矩阵估计问题上优于现有的方法。
2016-08-12 stat.ME
Structured Bayesian Regression Tree Models for Estimating Distributed Lag Effects: The R Package dlmtree
本文介绍R包dlmtree，实现树结构分布滞后模型，用于估计暴露滞后效应，提供拟合、推断、可视化及异质性分析功能。
2025-04-25 stat.CO stat.ME
Correcting for bias due to mismeasured exposure in mediation analysis with a survival outcome
本研究基于Cox模型探讨生存结局中暴露测量误差对中介分析的影响，开发了普通回归校准和风险集回归校准方法校正偏差，并应用于HPFS数据验证。
2025-03-05 stat.AP stat.ME
Causal isotonic regression
在观察性研究中，潜在的混杂因素可能会扭曲暴露与结果之间的因果关系。然而，在某些条件下，因果剂量反应曲线可以恢复使用G计算公式。当暴露是连续的时，估计这种曲线的大多数经典方法依赖于限制性参数假设，这带来了模型错误设定的重大风险。在这种情况下，非参数估计是具有挑战性的，因为在非参数模型中，这些曲线不能以常规速率估计。许多可用的非参数估计是敏感的某些调整参数的选择，并执行有效的推断与这样的估计可能是困难的。在这项工作中，我们提出了一个非参数估计的因果剂量反应曲线已知是单调的。我们表明，我们提出的估计程序推广了经典的最小二乘保序回归估计的单调回归函数。具体而言，它不涉及调整参数，并且对于曝光变量的严格单调变换是不变的。我们描述了我们提出的估计的理论性质，包括其不规则的极限分布和潜在的双重鲁棒推理。此外，我们通过数值研究说明了它的性能，并使用它来评估BMI和HIV疫苗试验中的免疫反应之间的关系。
2019-12-16 stat.ME
Interpretable Scalar-on-Image Linear Regression Models via the Generalized Dantzig Selector
University of Arizona（亚利桑那大学）
提出广义Dantzig选择器，联合施加稀疏性和平滑性约束，提高标量对图像回归中系数函数的可解释性，并通过理论和实验验证其优势。
2026-06-16 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
