Semiparametric Imputation Using Conditional Gaussian Mixture Models under Item Nonresponse
插补是调查抽样中处理项目无应答的常用技术。参数插补基于插补的参数模型，对插补模型的失效不太稳健。非参数插补是完全稳健的，但由于维数灾难，当协变量的维数很大时不适用。半参数插补是另一种基于灵活模型的稳健插补，其中模型参数的数量可以随着样本量的增加而增加。在本文中，我们提出了另一种半参数插补的基础上更灵活的模型假设比高斯混合模型。在建议的混合模型中，我们假设一个条件高斯模型的研究变量给定的辅助变量，但边缘分布的辅助变量不一定是高斯。我们表明，建议的混合模型实现了较低的近似误差绑定到任何未知的目标密度比高斯混合模型的库尔贝克-莱布勒散度。通过在条件对数似然函数中引入惩罚函数，该方法适用于高维协变量问题。该方法适用于韩国统计局进行的2017年韩国家庭收入和支出调查。补充材料可在线查阅。
2019-09-19 stat.ME
BNSP: an R Package for Fitting Bayesian Semiparametric Regression Models and Variable Selection
R包BNSP为半参数位置-尺度回归和随机搜索变量选择提供了一个统一的框架。该软件包所基于的统计方法学利用基函数展开来表示均值和方差函数中的半参数协变量效应，并利用尖峰-平板先验来执行估计效应的选择和正则化。除了执行后验采样的主函数外，该软件包还包括用于评估采样器收敛性、汇总模型拟合、可视化协变量效应以及获得给定特征/协变量向量的新响应或其均值的预测的函数。
2018-10-08 stat.OT
Semiparametric Bayesian Information Criterion for Model Selection in Ultra-high Dimensional Additive Models
对于参数个数不同的线性模型，最近的研究表明，改进的贝叶斯信息准则（BIC）可以一致地识别真实模型。然而，在许多情况下，几乎没有理由证明协变量的效应实际上是线性的。因此，一个半参数模型，如添加剂模型研究这里，是一个可行的替代。我们证明了BIC型标准的一致性的理论结果可以扩展到这个更具挑战性的情况下，与维度发散指数快速与样本量。此外，在我们的理论研究中，噪声假设是放松的。这些努力显着扩大了适用性的标准，更一般的一类模型。
2011-07-25 stat.ME
Survival Analysis with Discrete Biomarkers Under a Semiparametric Bayesian Conditional Poisson Model
针对癌症生存分析中离散生物标志物存在测量误差的问题，本文提出一种基于狄利克雷过程混合的半参数贝叶斯条件泊松联合模型，并通过模拟和高级别浆液性癌生存研究验证了其在偏差降低和稳健性方面的优势。
2025-09-23 stat.ME
Semiparametric imputation using latent sparse conditional Gaussian mixtures for multivariate mixed outcomes
本文提出了一种灵活的贝叶斯方法，多重插补使用条件高斯混合。我们引入了新的收缩先验的协变量依赖的混合比例的混合模型，自动选择合适的数量的组件中使用的插补步骤。我们通过马尔可夫链蒙特卡罗方法开发了一种用于后验计算和多重插补的高效采样算法。所提出的方法可以很容易地扩展到的情况下，数据不仅包含连续变量，但也离散变量，如二进制和计数值。我们还提出了近似贝叶斯推断的损失函数定义的参数的基础上的后验预测分布的缺失观测，通过扩展基于Bootstrap的贝叶斯推断的完整数据。所提出的方法是通过模拟和真实数据的数值研究证明。
2022-08-16 stat.ME
Semiparametric Mixed-Scale Models Using Shared Bayesian Forests
本文展示了在各种非参数回归问题（包括多变量、异方差和半连续响应）中，共享多个模型分量之间的协变量未知特征信息的优势。在本文中，我们提出了一种方法，它允许使用贝叶斯树模型的总和在不同的模型组件之间共享非参数化的信息。我们的模拟结果表明，在相关的模型组件的信息共享往往是非常有益的，特别是在稀疏的高维问题中，变量选择必须进行。我们通过分析医疗支出调查（MEPS）的医疗支出数据来说明我们的方法。为了便于贝叶斯非参数回归分析，我们开发了两种新的模型，用于分析MEPS数据使用贝叶斯加性回归树-异方差对数正态栅栏模型与“收缩向同性”先验，和伽玛栅栏模型。
2019-06-09 stat.ME
Semiparametric Uncertainty Quantification via Isotonized Posterior for Deconvolutions
Delft University of Technology（代尔夫特理工大学）
本文提出了一种基于正则化后验的非参数贝叶斯方法，用于去卷积模型中信号分布的不确定性量化，无需估计 nuisance 参数，且具有计算高效和渐近正确覆盖的特性。
2026-02-20 math.ST stat.ME stat.TH
Bayesian Copula Density Deconvolution for Zero-Inflated Data in Nutritional Epidemiology
不同膳食成分长期平均摄入量的边际密度和联合密度的估计是营养流行病学中的一个重要问题。由于这些变量不能直接测量，数据通常收集的形式，24小时召回的摄入量，这表明显着的模式的条件异方差。显著加剧了挑战，召回的间歇性消费的饮食成分也包括确切的零。从观测到的受测量误差污染的代用指标中估计潜在长时间摄入量的密度的问题则是具有零膨胀数据的密度的反卷积问题。我们提出了一个贝叶斯半参数的解决方案的问题，建立在一个新的层次隐变量框架，将问题转化为一个只涉及连续代理。至关重要的是，以适应问题的重要方面，然后，我们设计了一个基于Copula的方法来建模所涉及的联合分布，采用不同的建模策略的边缘不同的饮食成分。我们设计了有效的马尔可夫链蒙特卡罗算法进行后验推理，并通过仿真实验说明了所提出的方法的有效性。应用于我们的激励营养流行病学问题，相比其他方法，我们的方法提供了更现实的估计消费模式的消费模式的流行性消费的饮食成分。
2019-12-11 stat.ME
Bayesian Semiparametric Joint Dynamic Model for Multitype Recurrent Events and a Terminal Event
本文提出一种贝叶斯半参数联合动态模型，用于分析多类型复发事件与终端事件之间的关系，并提供基于过去事件影响的风险评估方法。
2025-12-08 stat.ME
Heterogeneity Pursuit for Spatial Point Pattern with Application to Tree Locations: A Bayesian Semiparametric Recourse
空间点模式数据是经常遇到的。一个灵活的回归模型的基础强度是必不可少的空间点模式的特征和了解潜在的风险因素对这种模式的影响。我们提出了一个贝叶斯半参数回归模型，其中观察到的空间点遵循一个空间泊松过程的强度函数，调整非参数基线强度与乘法协变量的影响。基线强度是分段恒定的，接近一个有动力的中国餐馆的过程之前，防止不必要的大量件。参数回归部分允许在回归系数之前通过加标平板进行变量选择。提出了一种有效的马尔可夫链蒙特卡罗（MCMC）算法。的方法的性能进行了验证，在一个广泛的模拟研究。在应用的位置Beilschmiedia pendula树在巴罗科罗拉多岛森林动态研究地块在巴拿马中部，空间异质性归因于土壤测量的一个子集，除了地理测量与空间变化的基线强度。
2020-03-24 stat.ME
A semiparametric modeling approach using Bayesian Additive Regression Trees with an application to evaluate heterogeneous treatment effects
贝叶斯加性回归树（Bayesian Additive Regression Trees，BART）是一种灵活的机器学习算法，能够捕获结果和协变量之间的非线性以及协变量之间的相互作用。我们将BART扩展到一个半参数回归框架，其中对结果的条件期望是治疗、其效应修饰因子和混杂因素的函数。不具有科学意义的混杂因素允许具有未指定的函数形式，而治疗和其他具有科学重要性的协变量则由参数回归给出通常的线性形式。结果是贝叶斯半参数线性回归模型，其中线性部分的参数的后验分布可以解释为参数贝叶斯回归。这在以下情况下是有用的：变量的一个子集是实质性的，而其他变量是我们想要控制的讨厌的变量。这方面的一个例子发生在结构平均模型（SMM）的因果建模中。在一定的因果假设下，我们的方法可以用作贝叶斯SMM。我们的方法证明了模拟研究和应用程序的数据集，涉及新开始抗逆转录病毒治疗的艾滋病毒/丙型肝炎合并感染的成年人。这些方法在R包semibart中可用。
2018-06-11 stat.AP
A Bayesian Semiparametric Jolly-Seber Model with Individual Heterogeneity: An Application to Migratory Mallards at Stopover
我们提出了一个贝叶斯分层Jolly-Seber模型，可以解释个体异质性的出发和协变量的到达时间的依赖。此外，我们的模型提供了一个半参数函数形式建模捕获概率。该模型具有灵活性，可用于估计中途停留时间和中途停留人口规模，这是中途停留时间分析的关键。从建模的角度来看，我们的模型允许个人异质性的出发，由于一个连续的内在因素，随时间和个人而变化。一个随机过程被认为是模拟这个内在因素随时间的变化。此外，我们的模型将外部因素与捕获概率和到达时间联系起来。因此，我们提出的模型使我们能够推断出内在因素对出发的影响，以及外在因素对捕获结果和到达时间的影响。通过使用一个半参数模型的捕获概率，我们允许的数据，以建议外部因素和捕获概率之间的函数关系，而不是依赖于一个强加的参数模型。通过使用数据增强，我们开发了一个很好的定制马尔可夫链蒙特卡罗算法，是免费的调整。我们证明了我们的模型的有效性，通过一个激励性的例子，停留时间分析绿头鸭（阿纳斯platyrhynchos）在秋季迁移在瑞典的研究。
2018-11-05 stat.ME
Seemingly Unrelated Multi-State processes: a Bayesian semiparametric approach
医学统计学以及其他领域的许多应用可以通过个人随时间经历的多个状态之间的转变（例如从健康到疾病）来描述。在这种情况下，多状态模型是一种流行的统计技术，特别是当没有观察到确切的过渡时间时。我们感兴趣的关键量是转换率，它捕捉了从一种状态转换到另一种状态的瞬时风险。这项工作的主要贡献是提出了一个联合半参数模型几个可能相关的多状态过程（看似无关的多状态，SUMS，过程），假设一个马尔可夫结构的过渡随着时间的推移。不同过程之间的依赖性是通过指定每个过程的转移率的联合随机效应分布来捕获的。我们假设一个灵活的随机效应分布，它允许聚类的个人，过度分散和离群值。此外，我们采用了一个图形结构来描述进程之间的依赖关系，利用高斯图形模型文献中的工具。也可以包括协变量效应。我们使用我们的方法来模拟心理健康中的疾病进展。后验推理是通过一个专门设计的MCMC算法。
2021-06-06 stat.ME
Semiparametric Approach for Regression with Covariate Subject to Limit of Detection
我们考虑广义线性回归分析与左删失协变量由于检测下限。通过消除低于检测限的观测值进行完整的案例分析，可以获得回归系数的有效估计值，但会失去效率;替代方法存在偏倚;极大似然法依赖于参数模型来确定此类协变量的不可观察尾部概率分布，因此可能会出现模型错误指定。为了获得更强大和更有效的结果，我们提出了一个半参数似然为基础的方法，使用加速失效时间模型的协变量受检测限的回归参数的估计。一个两阶段的估计过程被认为是，在似然函数最大化之前估计的协变量的条件分布与其他变量的检测限。该方法优于完全案例分析和替代方法，以及在仿真研究。提供了所需的渐近性质的技术条件。
2014-12-05 stat.ME
A semiparametric approach for the estimation of covariate-adjusted area under the receiver operating characteristic curve
The George Washington University（乔治华盛顿大学）；Georgetown University（乔治城大学）
本研究针对临床中生物标志物判别性能的协变量异质性问题，提出基于广义加性模型的半参数框架估计协变量调整的AUC，通过模拟和ADNI数据验证了方法的有效性。
2026-08-17 stat.ME
Semiparametric analysis of clustered interval-censored survival data using Soft Bayesian Additive Regression Trees (SBART)
流行的参数和半参数风险回归模型聚类生存数据是不合适的，不充分的未知影响不同的协变量和聚类是复杂的。这需要一个灵活的建模框架来产生有效的生存预测。此外，对于一些涉及至发生某些无症状事件的时间的生存期研究，生存期通常在连续临床检查之间进行间隔删失。在这篇文章中，我们提出了一个强大的半参数模型，用于贝叶斯集成学习范式下的聚类区间删失生存数据，称为软贝叶斯加性回归树或SBART（Linero和Yang，2018），它结合了多个稀疏（软）决策树，以获得出色的预测精度。我们开发了一种新的半参数风险回归模型，通过建模的风险函数作为一个产品的参数基线风险函数和非参数组件，使用SBART将聚类，未知的功能形式的主要影响，和各种协变量的相互作用的影响。除了适用于左删失，右删失和区间删失的生存数据，我们的方法是使用数据增强计划，允许现有的贝叶斯回拟合算法被使用。我们说明了我们的方法的实际实施和优势，通过模拟研究和分析的前列腺癌手术的研究，依赖于医生的经验和技能水平，导致集群的生存时间。最后，我们讨论了我们的方法的适用性，涉及高维数据与复杂的底层关联的研究。
2021-03-12 stat.AP
A unified framework for fitting Bayesian semiparametric models to arbitrarily censored survival data, including spatially-referenced data
一个全面的，统一的方法来建模任意删失的空间生存数据的三个最常用的半参数模型：比例风险，比例优势，加速失效时间。与许多其他方法不同，所有方式的删失生存时间同时容纳，包括未删失，区间删失，当前状态，左和右删失，以及这些的混合。左截断的数据也容纳导致模型的时间依赖性协变量。地理参考（位置精确观察）和区域观察（位置已知的地理单位，如县）的空间位置进行处理;正式的变量选择使得模型选择特别容易。用条件Cox-Snell残差图评估模型拟合，并通过LPML和DIC进行模型选择。基线生存率采用新的变换Bernstein多项式先验建模。所有模型都通过一个新的函数来拟合，该函数调用R包spBayesSurv中的高效编译C++。该方法广泛说明了模拟和实际数据的应用。一个重要的发现是，比例几率和加速失效时间模型往往比常用的比例风险模型拟合得更好。补充材料可在网上查阅。
2017-07-03 stat.AP stat.ME
Two-step semiparametric empirical likelihood inference from capture-recapture data with missing covariates
针对捕获-重捕获数据中协变量随机缺失且可为连续或离散变量的问题，基于Binomial和Poisson回归提出两步半参数经验似然方法进行丰度估计，证明了估计量的渐近正态性与高效性，并扩展至1膨胀计数回归模型，模拟与实例分析验证了其优越性。
2025-07-14 stat.ME
A maximum penalised likelihood approach for semiparametric accelerated failure time models with time-varying covariates and partly interval censoring
针对含时变协变量和部分区间删失数据的生存分析难题，提出一种基于高斯基函数和约束优化的最大惩罚似然半参数AFT模型拟合方法，并在模拟与晚期黑色素瘤临床试验中验证了其有效性。
2024-12-20 stat.ME
Semiparametric transformation Model with measurement error in Covariates: An Instrumental variable approach
线性变换模型提供了一个分析具有协变量的删失生存数据的一般框架。比例风险和比例优势模型是线性变换模型的特殊情况。在生物医学研究中，生存数据中可能存在具有测量误差的协变量。在这篇工作中，我们提出了一种方法，以获得估计的回归系数的线性变换模型时，协变量受到测量误差。在所提出的方法中，我们假设工具变量是可用的。我们发展了基于计数过程的估计方程，用于寻找回归系数的估计量。利用回归估计量的鞅表示证明了估计量的大样本性质。通过广泛的蒙特卡罗模拟研究的估计的有限样本性能进行评估。最后，我们使用艾滋病临床试验（ACTG 175）数据说明了所提出的方法。
2022-05-09 stat.ME
Semiparametric analysis for paired comparisons with covariates
Central China Normal University（华中师范大学）；University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
本文提出半参数框架，通过引入未指定分布的潜在随机变量，解决高维配对比较数据中的模型不一致性问题，并推导了渐近正态分布。
2026-03-31 stat.ME
Bayesian Semiparametric Hidden Markov Tensor Partition Models for Longitudinal Data with Local Variable Selection
我们提出了一个灵活的贝叶斯半参数混合模型的纵向数据分析中存在潜在的高维分类协变量。基于一种新的隐马尔可夫张量分解技术，我们提出的方法允许固定效应分量在不同时间点的协变量空间的依赖随机分区之间变化。该机制不仅允许在不同的时间点将不同的协变量集包含在模型中，而且还允许所选预测因子的影响随时间灵活变化。平滑时变加性随机效应用于捕获受试者特异性异质性。我们建立后验收敛保证函数估计和变量选择。我们设计了一个用于后验计算的马尔可夫链蒙特卡罗算法。我们通过合成实验评估该方法的经验性能，并通过实际应用证明其实际效用。
2022-08-04 stat.ME
A Semiparametric Approach to Model Effect Modification
精准医学和健康差异等研究领域的一个基本统计问题是通过观察到的协变量发现治疗或暴露的效果改变。我们提出了一个半参数的框架来识别这种效果的修改。我们不使用传统的结果模型，而是直接将半参数模型用于对比，或不同治疗选择或暴露下结果的预期差异。利用半参数估计理论，导出了包括有效分数在内的所有有效估计方程。除了双重鲁棒损失函数，我们的方法也使降维存在许多协变量。通过统一的统计和算法分析，所提出的方法的渐近和非渐近性质进行了探讨。与现有的方法在模拟和实际数据分析的比较表明，我们的估计的优越性，特别是效率的改进版本。
2020-08-02 stat.ME
Bayesian semiparametric analysis for two-phase studies of gene-environment interaction
双重抽样设计是一种成本效益高的方法，可以在明智选择的子样本上收集昂贵的协变量信息。这是很自然的应用这样一种策略，收集基因数据的子样本丰富的暴露于环境因素的基因-环境相互作用（G x E）分析。在本文中，我们认为两个阶段的研究G x E相互作用的第一阶段的数据可用于曝光，协变量和疾病状态。进行分层抽样，以根据疾病和暴露情况，在II期对个体进行基因分型。我们认为贝叶斯分析的基础上，联合回顾性的可能性，第一和第二阶段的数据。我们解决了几个重要的统计问题：（i）我们考虑一个具有多个基因、环境因素及其成对相互作用的模型。我们采用贝叶斯变量选择算法来降低这个潜在的高维模型的维数：（ii）我们使用基因-基因和基因-环境独立的假设，通过使用反映这一假设的分层先验估计相互作用参数的偏差和效率之间的权衡;（iii）我们使用Dunson和Xing [J. Amer. Statist. 104（2009）1042-1051]。
2013-05-24 stat.AP
Semiparametric regression of mean residual life with censoring and covariate dimension reduction
提出了一类新的截尾数据下的平均剩余寿命半参数回归模型。模型，使我们能够估计预期的剩余生存时间和推广常用的平均剩余寿命模型，也进行协变量降维。使用半参数文献中的几何方法和生存数据的鞅性质，我们提出了一个灵活的推理过程，放松了平均剩余寿命对协变量的依赖性的参数假设，以及病人活了多久。我们证明了协变量效应的估计是根$n$一致的，渐近正态的，半参数有效的。在未指定平均剩余寿命函数下，给出了一个预测给定受试者剩余寿命的非参数估计，并建立了该估计的根$n$相合性和渐近正态性性.数值实验表明了所提出的估计器的可行性。我们应用该方法来分析一个国家的肾移植数据集，以进一步证明该工作的实用性。
2020-11-08 math.ST stat.ME stat.TH
Evaluation of transplant benefits with the U.S. Scientific Registry of Transplant Recipients by semiparametric regression of mean residual life
提出半参数平均剩余寿命模型，量化肾移植获益，优先受益最大患者，并揭示不同群体获益不平等。
2023-10-17 stat.ME
Multivariate Bayesian semiparametric models for authentication of food and beverages
食品和饮料认证是验证食品或饮料是否符合其标签描述的过程，例如，验证橄榄油瓶的原产地名称是否正确，或者某瓶葡萄酒的品种是否与其标签描述相符。处理认证过程的常见方法是测量食品样本的许多属性，然后将这些属性用作分类问题的输入。我们的动机源于由九种化合物命名的花青素，从智利红葡萄酒的葡萄品种赤霞珠，梅鹿辄和Carménère的样品中获得的测量数据。我们考虑一种基于模型的方法，通过半参数多变量分层线性混合模型的平均响应，和协方差阵，是特定的分类类别的认证。具体来说，我们提出了一个模型的方差分析-DDP类型，它利用了这样一个事实，即可用的协变量是离散的性质。结果表明，该模型表现良好相比，其他参数的替代品。这也证实了应用程序的模拟数据。
2012-02-27 stat.AP
Fast and efficient algorithms for sparse semiparametric bi-functional regression
针对含两个函数型协变量的标量响应建模问题，提出两种利用协变量函数型起源的稀疏半参数双函数回归算法，兼具计算效率与预测性能，获理论与实验验证。
2024-01-26 stat.ME
Maximum Likelihood Estimation for Semiparametric Transformation Models with Interval-Censored Data
区间删失经常出现在临床、流行病学、金融和社会学研究中，其中已知感兴趣的事件或故障仅发生在由定期监测引起的区间内。我们制定了潜在的时间依赖性协变量的区间删失失效时间的影响，通过广泛的一类半参数转换模型，包括比例风险和比例优势模型。我们考虑这类模型的非参数极大似然估计，其中每个受试者具有任意数量的监测次数。我们设计了一个EM型算法，收敛稳定，即使在存在时间依赖的协变量，并表明回归参数的估计是一致的，渐近正态，渐近有效的一个容易估计的协方差阵。最后，我们证明了我们的程序的性能，通过广泛的模拟研究和应用程序在泰国进行的艾滋病毒/艾滋病研究。
2016-02-27 stat.ME
Semiparametric estimation of GLMs with interval-censored covariates via an augmented Turnbull estimator
Universitat Politècnica de Catalunya·BarcelonaTech（加泰罗尼亚理工大学）
本文提出了一种基于似然的方法GELc，用于估计具有区间截断协变量的广义线性模型，并通过模拟研究和实际应用验证了其有效性。
2026-01-13 q-bio.QM stat.ME
Improving efficiency in transporting average treatment effects
本文提出多个半参数估计量以提高平均处理效应跨人群迁移的效率，并允许在目标人群协变量观测受限或效应修饰因子未知的情况下使用，模拟和住房试验验证了其有效性。
2024-06-06 stat.ME
On Selection of Semiparametric Spatial Regression Models
在本文中，我们专注于一类半参数空间回归模型的变量选择技术，它允许一个研究的解释变量的空间信息的存在下的效果。非参数部分的空间平滑问题通过三角剖分上的二元样条来解决，它能够有效地处理分布在不规则形状区域上的数据。此外，我们开发了一个统一的程序，变量选择，以确定显着的协变量下的双重惩罚框架，我们证明了惩罚估计享有的“神谕”的财产。所提出的方法可以同时识别非零空间分布的协变量，并解决了功能空间组件的复杂域之间的“泄漏”问题。为了估计系数的估计量的标准差，还提出了一个三明治公式。最后，通过蒙特卡罗模拟和实际数据的例子来说明所提出的方法。所有技术证明均在补充材料中给出。
2021-06-02 stat.ME
A Semiparametric Discrete Hawkes Model with a Collapsed Gaussian-Process Prior
University of Edinburgh（爱丁堡大学）；Nanyang Technological University（南洋理工大学）
本文提出GP-DHP模型，通过高斯过程先验实现离散时间Hawkes过程的非参数化处理，提升预测性能并保持可解释性。
2026-08-04 cs.LG stat.ML
Robust and efficient estimation in the presence of a randomly censored covariate
针对右删失协变量，提出兼具双重稳健与半参数高效性的估计量，并在 R 包 sparcc 中实现，用于分析 Enroll-HD 亨廷顿病症状轨迹。
2024-09-18 stat.ME
Focused Information Criteria for Semiparametric Linear Hazard Regression
Imperial College London（帝国理工学院）；University of Oslo（奥斯陆大学）
本文提出聚焦信息准则用于半参数线性危险回归模型的选择，以提高生存概率估计的准确性。
2026-03-03 stat.ME
Unsupervised Learning in a General Semiparametric Clusterwise Index Distribution Model
提出一般半参数聚类指标分布模型及分离惩罚估计、迭代分类与一致信息准则，实现一致最优的聚类结构恢复和具有 oracle 性质的参数估计。
2025-09-29 stat.ME
Maximum penalized likelihood estimation in semiparametric capture-recapture models
我们讨论了标记-再捕获-恢复数据的半参数建模，其中模型参数的时间和/或个体变化通过协变量来解释。通常，在此类分析中，为模型参数和协变量之间的关系指定固定（或混合）效应参数模型。在本文中，我们讨论了通过使用惩罚样条的关系建模，允许相当灵活的功能形式。相应的模型可以通过数值最大惩罚似然估计来拟合，采用交叉验证以数据驱动的方式选择平滑参数。我们的贡献建立在现有文献的基础上，并扩展了现有文献，为开放人群的半参数标记-再捕获-恢复模型提供了一个统一的推理框架，其中的兴趣通常在于生存概率的估计。该方法被应用到两个真实的数据集，对应于苍鹭（Ardea Cinerea），在那里我们模型的生存概率作为环境条件的函数（随时间变化的全局协变量），和Soay羊（Ovis白羊座），在那里我们模型的生存概率作为个体重量的函数（随时间变化的个体特定的协变量）。建议的半参数方法相比，一个标准的参数（逻辑）回归和新的有趣的基本动态观察在这两种情况下。
2015-05-20 q-bio.QM stat.AP stat.ME
Semiparametric Bayesian causal inference
我们开发了一个半参数贝叶斯方法估计的平均响应在一个缺失的数据模型与二进制的结果和非参数建模的倾向得分。等价地，我们估计治疗的因果效应，对混杂进行非参数校正。我们证明了标准高斯过程先验在光滑条件下满足半参数Bernstein-von Mises定理。我们进一步提出了一种新的倾向分数相关的先验知识，在严格较弱的条件下提供有效的推理。我们还表明，理论上最好使用狄利克雷过程或贝叶斯自助法对协变量分布进行建模，而不是使用高斯过程先验对协变量密度进行建模。
2019-10-10 math.ST stat.ME stat.TH
Efficient Semiparametric Estimation of Short-term and Long-term Hazard Ratios with Right-Censored Data
在科学研究中，截尾失效时间数据的Cox模型中的比例风险假设经常被违反。Yang和Prentice（2005）提出了一种新的半参数双样本模型，该模型包括比例风险模型和比例优势模型作为子模型，并适应交叉生存曲线。该模型未指明基线风险，两个模型参数可解释为短期和长期风险比。推理程序是基于伪分数方法开发的。虽然提到了扩展以适应协变量，但尚未提供或证明正式程序。此外，伪分数方法可能不是渐进有效的。我们研究了Yang和Prentice（2005）的短期和长期风险比模型的扩展，以适应潜在的时间依赖协变量。我们开发了有效的基于似然的估计和推理程序。证明了非参数极大似然估计是相合的、渐近正态的和渐近有效的。大量的仿真研究表明，所提出的方法在实际环境中表现良好。所提出的方法捕捉到的现象，交叉危险的癌症临床试验，并确定了一个遗传标记，具有显着的长期影响错过了使用比例风险模型在发病年龄的酒精中毒的遗传研究。
2012-06-05 stat.ME
Semiparametric proximal causal inference
在从观察数据中进行因果推断时，对无未测量混杂的假设持怀疑态度，也称为交换性混杂，这通常是有道理的;因为交换性混杂取决于研究者准确测量协变量的能力，这些协变量可以捕获所有潜在的混杂来源。在实践中，人们最多只能希望协变量测量值最多能代表给定观察性研究中真正的潜在混杂机制。在本文中，我们考虑了Miao et al.（2018）引入的近端因果推断框架; Tchetgen Tchetgen et al.（2020），虽然明确承认协变量测量是混淆机制的不完美代理，但提供了一个机会，可以在基于测量协变量的交换失败的情况下了解因果效应。我们对近端推断做出了一些贡献，包括（i）平均处理效应的非参数近端识别的一组替代条件;（ii）平均处理效应的近端估计的一般半参数理论，包括感兴趣的关键半参数模型的效率界;（iii）平均处理效应的近端双稳健和局部有效估计的表征。此外，我们提供了类似的识别和效率结果的平均处理效应的处理。我们的方法是通过模拟研究和数据应用程序来说明对重症监护病房的重症患者的右心导管插入术的有效性进行评估。
2023-02-21 math.ST stat.ME stat.TH
Avoid Estimating the Unknown Function in a Semiparametric Nonignorable Propensity Model
我们研究的问题估计的功能或参数的上下文中，结果是受不可分割的missingness。我们完全避免建模的回归关系，而允许的倾向，以半参数的逻辑关系，依赖于协变量是未指定的。我们发现了一个令人惊讶的现象，在倾向模型中的参数估计以及功能估计可以进行，而不需要评估缺失对协变量的依赖性。这使我们能够提出一个一般类的模型参数估计和功能估计，包括估计结果的平均估计估计。估计的鲁棒性是非标准的，严格建立通过理论推导，并支持模拟和数据应用。
2021-08-10 math.ST stat.ME stat.TH
Learning Interactions Between Continuous Treatments and Covariates with a Semiparametric Model
本文提出一个半参数回归框架，将效应分解为预后评分和处理交互评分，并通过Nadaraya-Watson回归连接，用于估计连续处理变量对二元结局的影响，最终在IWPC数据上实现个性化华法林给药建议。
2025-05-06 math.OC stat.AP stat.ME
Active Adaptive Experimental Design for Treatment Effect Estimation with Covariate Choices
Mizuho-DL Financial Technology Co., Ltd.（瑞穗数字金融科技有限公司）
针对平均处理效应估计，本文提出在自适应实验中同时优化协变量密度与倾向得分，并构造达到最小半参数效率界的估计量。
2024-06-18 cs.LG econ.EM stat.ME
On Semiparametric Instrumental Variable Estimation of Average Treatment Effects through Data Fusion
假设一个人有兴趣在一个有效的工具变量的帮助下，在存在潜在的不可测量的混杂因素的情况下估计因果效应。本文研究了从两个独立的来源，其中一个包含信息的治疗和其他包含信息的结果，而仪器和基线协变量的向量值记录在两个数据融合时，对平均处理效应的推断问题。我们提供了一个一般的充分条件下，平均处理效应是非参数识别的数据融合引起的观察数据法，即使当数据是从两个异质群体，并推导出估计这个因果参数的效率界。对于推理，我们开发了参数和半参数的方法，包括一个多个强大的和局部有效的估计，即使在部分误指定的观测数据模型是一致的。我们通过模拟和公共住房项目的应用程序来说明的方法。
2020-02-13 stat.ME
Semiparametric Copula Quantile Regression for Complete or Censored Data
当面对多元协变量时，一般的半参数回归技术可以提出灵活的模型，这些模型不受维数灾难的影响。在这项工作中，半参数Copula为基础的估计条件分位数完全或右删失数据进行了研究。在精神上，该方法扩展了Noh et al.（2013）和Noh et al.（2015）的近期工作，因为主要思想在于根据多变量copula和边缘分布适当定义分位数回归。事先估计后者和简单的插件导致一个容易实现的估计表示，无论上下文中有或没有审查，作为一个加权分位数的观察到的响应变量。此外，与文献中的初始建议相反，研究了多变量Copula密度的半参数估计方案，其动机是纯参数方法的可能缺点，并由回归上下文驱动。由此得到的分位数回归估计具有在分位数水平上自动单调的有价值的性质，并且在经典的正则条件下得到了完全数据和删失数据的渐近正态性。最后，数值例子以及实际数据的应用，以说明所提出的方法的有效性和有限样本性能。
2016-03-24 stat.ME
A semiparametric autorregresive spatial prediction model
Instituto de Economía Aplicada Litoral (IECAL-FCE-UNL), & CONICET（拉普拉塔应用经济研究所（IECAL-FCE-UNL）及阿根廷国家科学研究委员会）；Facultad de Ingeniería Química, (FIQ-UNL) & CONICET（国立圣达菲大学化学工程学院（FIQ-UNL）及阿根廷国家科学研究委员会）
本文提出结合线性协变量和非参数空间项的半参数空间自回归模型，实现灵活依赖建模同时保持可解释性。通过仿真和实证数据验证，预测精度优于地理统计方法，可解释性优于空间计量模型。
2026-04-28 math.ST stat.ME stat.TH
Transfer Learning under Group-Label Shift: A Semiparametric Exponential Tilting Approach
本文提出一种半参数指数倾斜方法，用于处理源域与目标域协变量和标签分布同时偏移的迁移学习二分类问题，通过群组标签偏移假设和两步似然估计提升目标域分类精度。
2025-09-26 math.ST stat.ME stat.TH
Semiparametric Wavelet-based JPEG IV Estimator for endogenously truncated data
University of Haifa（海法大学）
提供了一种新的和丰富的JPEG算法，用于识别不规则噪声数据点序列中的冗余，该算法还适应于无参考准则函数。我们的主要贡献是通过制定解析（而不是近似）的逆JPEG小波变换的转置，而不涉及矩阵的计算繁琐。该算法适用于原始数据分布不可观察的广泛情况，例如在训练数据中（机器学习中）整个种群的表示不足，从而违反协变量移位假设的情况。建议的估计纠正两个偏差，一个产生的内源性截断和一个产生的内源性协变量。利用2，000，000个不同的分布函数的结果验证了我们的程序的适用性和高精度的情况下，干扰既不是联合也不是边际正态分布。
2019-08-06 cs.CV cs.LG econ.EM
Estimating the Efficiency Gain of Covariate-Adjusted Analyses in Future Clinical Trials Using External Data
我们提出了一个一般框架，使用现有的数据来估计效率增益使用协变量调整估计的边际处理效应在未来的随机试验。我们描述的条件下，它是可能的，以定义一个映射的分布，产生现有的外部数据的协变量调整估计的相对效率相比，未调整的估计。在一定条件下，这些相对效率近似于实现期望功效所需的样本量的比率。我们考虑两种情况下的结果是完全或部分观察和几个处理效应估计是特别感兴趣的大多数试验。对于每个这样的被估量，我们开发了一个半参数有效的相对效率的估计，允许灵活的统计学习工具的应用程序来估计滋扰功能和相应的沃尔德型置信区间的分析形式。我们还提出了一个双引导计划，用于构建置信区间。我们通过模拟研究证明了所提出的方法的性能，并将这些方法应用于数据，以估计在Covid-19治疗试验中使用协变量调整的相对效率。
2021-04-30 stat.ME
Reduced-rank Regression in Sparse Multivariate Varying-Coefficient Models with High-dimensional Covariates
在遗传学研究中，不仅从微阵列测量中获得的预测因子的数量非常大，而且还可以有多个响应变量。基于这种情况，我们考虑稀疏多元回归模型中的半参数降维方法。以往的联合变量和秩选择研究主要集中在参数模型，而在这里，我们考虑更具挑战性的变系数模型，使调查变量的非线性相互作用成为可能。利用样条逼近、秩约束和凹群惩罚进行模型估计。给出了估计量的渐近预言性质。我们还提出了降秩独立筛选处理的情况下，维数是如此之高，惩罚估计不能有效地应用。在模拟中，我们展示了同时进行变量和秩选择的优势。一个真实的数据集进行了分析，以说明良好的预测性能时，将遗传变量和指标变量之间的相互作用。
2013-09-24 stat.ME
Semiparametric regression in testicular germ cell data
从半参数的角度来看，可以用随机协变量进行回归分析，其中信息来自多个多变量来源。该方法假设一个半参数密度比模型，其中多变量分布是“回归”的参考分布。核密度估计可以结合半参数模型从许多数据源构造。该估计被证明是更有效的比传统的单样本核密度估计，其最佳带宽进行了详细讨论。每个多变量分布和相应的条件期望（回归）的利益是估计从合并数据使用所有来源。图形和定量诊断工具，建议评估模型的有效性。该方法用于量化身高和年龄对生殖细胞睾丸癌患者体重的影响。与多元回归、广义可加模型（GAM）和非参数核回归进行了比较。
2012-10-01 stat.AP stat.ME
A Time-Varying and Covariate-Dependent Correlation Model for Multivariate Longitudinal Studies
University of Michigan（密歇根大学）
本文提出TiVAC模型，用于多变量纵向研究中时间变化和协变量依赖的相关性建模，通过模拟和案例研究验证其在不同设置下的优越性。
2026-02-24 stat.ME
Two-Stage Least Squares Instrumental Variable Estimation for Semiparametric Accelerated Failure Time Models with Right-Censored Data
本文提出一种结合Leurgans合成变量法的迭代重加权GEE方法，将两阶段最小二乘工具变量估计扩展至带右删失数据的半参数AFT模型，实现了高效且可扩展的因果推断。
2025-09-13 stat.ME
Semiparametric transformation model for competing risks data with cure fraction
我们提出了一种新的方法来分析竞争风险数据与长期生存。所提出的方法使我们能够同时估计总体生存概率和治愈分数。我们用线性变换模型来表示协变量对累积发生率函数的影响。建立了基于计数过程的回归系数估计方程。利用鞅理论研究了估计量的渐近性质。一个广泛的蒙特卡罗模拟研究进行评估有限样本的估计性能。最后，我们使用一个真实的数据集来说明我们的方法。
2022-04-27 math.ST stat.ME stat.TH
