A copula-based set-variant association test for bivariate continuous or mixed phenotypes
在全基因组关联研究（GWAS）中，研究人员经常处理非正态分布性状或离散-连续性状的混合。然而，目前大多数基于区域的方法依赖于多变量线性混合模型（mvLLM），并假设感兴趣的表型的多元正态分布。因此，这些方法不适用于疾病或非正态分布性状。因此，需要开发统一和灵活的方法来研究一组（可能罕见的）遗传变异和非正常多变量表型之间的关联。Copula是在$[0, 1]$区间上具有均匀边界的多元分布函数，它们为处理多元关联研究中的非正态误差提供了合适的模型。我们提出了一种新的统一的和灵活的基于Copula的多元关联检验（CBMAT），发现遗传区域和二元连续或混合表型之间的关联。我们还推导出一个数据驱动的分析p值的建议区域为基础的得分类型测试的程序。通过模拟研究，我们证明了CBMAT具有很好的控制第一类错误率和更高的权力，以检测关联相比，其他现有的方法，离散和非正态分布的性状。最后，我们应用CBMAT检测位于11号染色体上的两个基因与ASLPAC研究中1,477名受试者的几种血脂水平之间的关联。
2021-09-29 stat.AP stat.ME
Joint modelling of longitudinal measurements and survival times via a multivariate copula approach
纵向和时间-事件数据的联合建模通常由联合模型描述，该模型使用共享或相关的潜在效应来捕获两个过程之间的关联。在这个框架下，两个过程的联合分布可以通过假设给定随机效应的条件独立性直接导出。在文献中也考虑了将相互依赖引入子模型的替代方法，其中一种方法是使用copula来引入纵向过程和时间-事件过程的边缘分布之间的非线性相关性。多元高斯copula联合模型已提出在文献中，以适应联合数据，通过应用蒙特卡罗期望最大化算法。在本文中，我们提出了一种精确的似然估计方法，以取代计算成本更高的蒙特卡罗期望最大化算法，我们认为结果的基础上使用多变量高斯和$t$ copula函数。我们还提供了一个简单的方法来计算动态预测的生存概率，表明我们提出的模型是可比的预测性能的共享随机效应联合模型。
2022-03-04 stat.ME
A Bivariate Power Generalized Weibull Distribution: a Flexible Parametric Model for Survival Analysis
我们关注的是双变量生存数据的灵活参数分析。在其他地方，我们赞扬了“功率广义威布尔”（PGW）分布作为单变量参数生存分析的一个有吸引力的工具的优点：它是一个易于处理的，简约的，模型，可解释允许各种各样的危险形状，当适应（给一个适应的PGW，或APGW，分布），涵盖了各种重要的特殊/限制情况。在这里，我们还观察到一个脆弱的PGW分布与一个值的参数，控制分布的选择在家庭和PGW分布与一个较小的值相同的参数之间的关系。我们利用这种脆弱性的关系，提出了一个二元共享脆弱性模型与PGW边缘分布：这些边际原来是由所谓的BB 9或“功率方差函数”copula连接。因此，在当前的背景下，这种特定的copula选择是很自然的。然后，我们适应的二元PGW分布，反过来，以适应APGW边缘。我们提供了一些双变量PGW和APGW模型的理论特性，并通过一个涉及众所周知的视网膜病变数据集的说明性示例显示了后者在实际工作中的潜力，该分析被证明是直接实施的，并且在其结果中提供了信息。本文的新颖之处在于将特定成分适当地组合成一个连贯而成功的整体。
2019-01-10 stat.ME
A Gaussian copula joint model for longitudinal and time-to-event data with random effects
纵向和生存子模型是纵向和事件发生时间数据联合建模的两个组成部分。广泛的研究表明，这两个过程的单独分析可能会导致有偏见的输出，由于它们的关联。在考虑群体异质性的同时，考虑潜在类别或随机效应，生物标志物和事件时间过程测量之间的条件独立性是表征两个子模型之间关联的常用方法。然而，由于不可观测的潜变量，这个假设很难验证。因此，提出了一个具有随机效应的高斯copula联合模型，以适应条件独立性假设有问题的情况。在我们提出的模型中，假设条件独立的传统联合模型是一个特殊的情况下，在高斯copula的关联参数收缩为零。仿真研究和实际数据的应用进行了评估我们提出的模型的性能。此外，个性化的动态预测的生存概率的基础上所提出的模型和比较下得到的预测传统的联合模型。
2022-09-21 stat.ME
Gene-based Association Analysis for Bivariate Time-to-event Data through Functional Regression with Copula Models
最近提出了几种基于基因的事件发生时间性状关联检验，以检测一个基因区域（包含多个变体）作为一个集合是否与生存结果相关。然而，对于双变量生存结局，据我们所知，没有统计方法可以直接应用于基于基因的关联分析。受遗传学研究的启发，发现与双眼疾病，黄斑变性（AMD）的进展相关的基因区域，我们实现了一种新的功能回归方法copula框架下。具体而言，基因区域内的变异的影响通过功能性线性模型建模，其然后有助于copula内的边际生存函数。利用广义得分检验和似然比检验检验了双变量生存性状与遗传区域的关联性。进行了广泛的模拟研究，以评估所提出的方法的第一类错误控制和功率性能，与现有的几种方法相比，一个单一的生存性状，以及边缘Cox函数回归模型使用的双变量生存性状的稳健三明治估计。最后，我们将我们的方法应用于一项大型AMD研究，即AMD相关眼病研究（AREDS），以确定与AMD进展相关的基因区域。
2019-04-01 stat.AP
A nonparametric copula density estimator incorporating information on bivariate marginals
我们提出了一个Copula密度估计，可以包括信息时，信息是可用的二元边际。我们使用B-样条函数的Copula密度近似，并包括通过惩罚项的二元边际的信息。我们的估计满足copula密度的约束。在较弱的条件下，所提出的估计量是相容的。
2016-01-30 stat.ME
Estimation procedures for a semiparametric family of bivariate copulas
在本文中，我们提出了简单的估计方法致力于一个半参数家庭的二元copula。这些Copula可以通过估计它们的单变量母函数来简单地估计。我们利用这一结果来估计相关的措施，协会以及copula的高概率区域。这些程序都说明了模拟和真实数据。
2011-04-01 stat.ME
Testing Symmetry for Bivariate Copulas using Bernstein Polynomials
提出基于经验 Bernstein copula 过程的二元 copula 对称性检验，构造三个统计量并给出乘子自助实现，模拟和实际数据均验证其优越且稳定。
2023-09-12 stat.ME
A copula-based bivariate integer-valued autoregressive process with application
研究了一类具有Copula联合新息的二元一阶整值自回归过程（BINAR（1））.通过蒙特卡罗模拟，分析和比较了不同的参数估计方法，重点是copula依赖参数的估计。在违约和非违约贷款数据上的实证应用是使用Copula函数和边际分布函数的不同组合进行的，涵盖了两个边缘分布来自同一族的情况，以及它们来自不同分布族的情况。
2019-06-05 stat.ME
Assessing Data Support for the Simplifying Assumption in Bivariate Conditional Copulas
研究了二元条件Copula模型中简化假设（SA）的数据支持的建立问题。众所周知，SA极大地简化了条件Copula模型的推理，但是用于测试SA的标准工具和方法往往不能提供可靠的结果。在将观测数据分成训练集和测试集之后，所提出的方法将使用灵活的训练数据贝叶斯拟合来定义基于随机化和标准渐近理论的测试。该方法的理论依据和它的性能进行了研究，使用模拟数据。本文还讨论了感兴趣的替代模型的实现，例如高斯，Logistic和分位数回归。
2019-09-27 stat.ME
CopulaDTA: An R Package for Copula Based Bivariate Beta-Binomial Models for Diagnostic Test Accuracy Studies in a Bayesian Framework
目前在统计软件包中实施的用于合并诊断测试准确性数据的统计程序包括hSROC回归和双变量随机效应荟萃分析模型（BRMA）。然而，这些模型不报告总体平均值，而是随机效应等于零的中心研究的平均值，并且当荟萃分析中的研究数量较少和/或研究间方差相对较大时，难以估计灵敏度和特异性之间的相关性。本教程介绍了诊断准确性研究荟萃分析的高级统计方法，讨论并演示了使用R中的CopulaDTA包进行贝叶斯建模，以拟合不同的模型，从而获得荟萃分析参数估计值。重点是使用基于copula的双变量β分布的敏感性和特异性的联合建模。从本质上讲，我们通过以下方式扩展了Nikoloulopoulos的工作：i）提出贝叶斯方法，该方法提供了灵活性和执行复杂统计建模的能力，即使是小数据集，ii）包括协变量信息，iii）提供易于使用的代码。通过重新分析两个已发表的荟萃分析的数据来说明统计方法。与使用双变量β分布态分布（例如，在BRMA中），其仅产生研究特定参数估计值。此外，基于copula的模型提供了更大的灵活性，在不同的相关性结构建模相比，正态分布，只允许一个相关性结构。
2016-04-07 stat.ME
The bivariate $K$-finite normal mixture "blanket" copula
存在许多二元参数Copula模型来建模具有不同依赖特征的二元数据。我们提出了一个新的二元参数copula族，它不仅可以处理现有的二元参数copula族中出现的各种依赖模式，而且还提供了一个更丰富的依赖结构。所提出的Copula构造利用了二元正态分布的有限混合。混合操作，不同的相关性和平均参数在每个混合成分介绍了相当灵活的依赖。新的参数copula的理论研究，与一组经典的二元参数copula和说明两个实证例子，从天体物理学和农业，其中一些变量有特殊的和非对称的依赖，分别。
2021-06-29 stat.AP stat.ME
Dynamic Bivariate Normal Copula
相关系数在$-1$和$1$之间的正态copula是尾部独立的，因此它严重低估了极端概率。通过让正态copula中的相关系数依赖于样本量，Hüsler和Reiss（1989）表明尾部可以变得渐近相关。在本文中，我们通过导出$n$独立观测值的归一化最大值的极限来扩展这个结果，其中$i$观测值来自一个正态copula，其相关系数是$i/n$的参数或非参数函数。此外，参数和非参数推断这个未知函数的研究，可以用来测试的条件Hüsler和Reiss（1989）。并进行了仿真研究和实测数据分析。
2015-05-14 stat.ME
Bootstrap-based Inference for Bivariate Heteroscedastic Extremes with a Changing Tail Copula
本文针对独立非同分布的异方差极值数据提出基于copula的模型，通过证明双变量序贯尾经验过程的弱收敛性建立统一推断框架，推导相关尾估计量的渐近性质，提出基于bootstrap的多种检验并通过模拟验证其稳健性与有效性。
2025-02-22 stat.ME
Relative local dependence of bivariate copulas
本文定义了 copula 的相对局部依赖性（局部依赖性与概率密度函数之比），揭示了典型 copula 可作为相应偏微分方程的解，并提出了一类局部依赖性与密度函数 $k$ 次幂成正比的 copula。
2024-07-24 stat.ME
A Bivariate Copula Additive Model for Location, Scale and Shape
Rigby & Stasinopoulos（2005）引入了位置、尺度和形状的广义可加模型（GAMLSS），其中响应分布不限于属于指数族，并且其参数可以指定为允许几种类型的协变量效应（例如，线性、非线性、随机和空间效应）。然而，在许多经验情况下，同时对两个或多个以某些协变量为条件的响应进行建模可能具有相当大的相关性。在这篇文章中，我们通过引入一个位置、尺度和形状具有连续边界的二元Copula加法模型来扩展GAMLSS的范围。该框架允许copula依赖和边缘分布参数同时估计，像在GAMLSS，每个参数使用添加剂预测建模。参数估计是在一个惩罚似然框架内使用的信赖域算法集成自动多平滑参数选择。所提出的方法允许直接包括潜在的任何参数连续边缘分布和copula函数。这些模型可以通过R包SemiParBIVProbit中的copulaReg（）函数轻松使用。该建议的实用性说明了两个案例研究（使用电价和需求数据，和出生记录）和模拟数据。
2016-05-24 stat.ME
Copula-like inference for discrete bivariate distributions with rectangular supports
本文研究矩形支撑二元离散分布的类 copula 分解，给出分解条件，并建立离散 copula 的估计、检验及基于 $I$-投影可微性的渐近理论。
2024-06-17 stat.ME
Boosting Distributional Copula Regression for Bivariate Binary, Discrete and Mixed Responses
本文提出面向任意边际分布的二元分布型 copula 回归统计提升框架，通过逐分量梯度提升联合建模边际与 copula 参数，并在多类生物医学数据中验证。
2024-03-04 stat.ME
Copula-Based Bivariate Kumaraswamy-Teissier Distributions: Modeling Temperature-Rainfall Dependence and Compound Extremes
本研究提出两种基于Copula的双变量Kumaraswamy-Teissier分布，用于建模气温与降水的依赖关系，经模拟和喜马拉雅地区数据验证，其拟合效果优于现有模型，可量化复合极值风险。
2026-09-07 stat.ME
Copulas from Order Statistics
Baker（2008）引入了一类新的基于顺序统计量的copula。在这里，进一步的属性的二元和多元copula的描述，如似然比优势（LRD），并进一步二元copula的介绍，推广了早期的工作。其中一个新的Copula是虚宗量Bessel函数乘积的积分，并且可以达到Fréchet界。使用这些Copula拟合数据进行说明，并举例说明。经验发现，以前提出的多变量Copula不够灵活，一般是有用的数据拟合，在这方面需要进一步的发展。
2014-12-02 stat.ME
Copula representation of bivariate L-moments : A new estimation method for multiparameter 2-dimentional copula models
最近，Serfling和Xiao（2007）将L-moment理论（Hosking，1990）扩展到多变量环境。在本文中，我们专注于二维随机向量之间的二元L-矩（BLM）和基础的二元Copula函数建立一个链接。这种联系提供了一个新的估计的依赖参数的二元统计数据。建立了估计量的相合性和渐近正态性。对基于BLM、极大似然、最小距离和秩近似Z-估计的估计量进行了大量的仿真研究。结果表明，当样本量增加时，基于BLM的估计在偏差和计算时间方面表现得更好。此外，根均方误差（RMSE）是相当合理的，一般不敏感的离群值比上述方法。此外，我们期望BLM方法是一个易于使用的工具，多参数Copula模型的估计。
2011-06-17 stat.CO stat.ME
A modified version of the inference function for margins and interval estimation for the bivariate Clayton copula SUR Tobit model: An simulation approach
本文通过Clayton Copula函数对二元似不相关回归（SUR）Tobit模型的非线性相关结构进行建模，扩展了模型的分析.捕获/建模SUR Tobit模型的下尾依赖性的能力（其中某些数据被删失（通常在零点））是Clayton copula的另一个有用功能。我们提出了一种改进的边际推断函数（IFM）方法（Joe和Xu，1996），我们称之为MIFM方法，以获得边际参数的估计和Copula关联参数的更好（满意）的估计.更具体地说，我们采用数据增广技术在IFM方法的第二阶段，以产生截尾观测（即获得连续的边缘分布，这确保了copula的唯一性），然后估计的依赖参数。恢复程序（自助法）也提出了获得模型参数的置信区间。为了验证MIFM估计的行为（我们专注于copula参数估计）和不同的置信区间的覆盖概率在不同的删失百分比和依赖程度的数据集进行了模拟研究。从模拟（在一定条件下）和实证研究的满意结果表明，我们提出的模型和方法，他们被应用到美国的即食早餐谷物和液体牛奶消费数据建模的良好性能。
2014-04-12 stat.ME
Copula-based Semiparametric Regression Method for Bivariate Data under General Interval Censoring
这项研究的动机是发现和支持双侧眼病进展的遗传原因，黄斑相关性黄斑变性（AMD），其主要结局（进展至晚期AMD的时间）是双变量的，并且由于间歇性评估时间而间隔删失。本文提出了一类新的基于Copula函数的一般区间删失双变量数据的半参数变换模型，包括区间删失情形1（当前状态数据）和区间删失情形2.具体地说，联合似然建模通过两个参数阿基米德copula，它可以灵活地表征在两个尾部的两个边缘之间的依赖性。边缘分布是通过半参数转换模型使用筛子，与比例风险或赔率模型是一个特殊的情况。我们开发了一个计算效率高的筛极大似然估计程序的未知参数，以及一个广义得分测试的回归参数（S）。对于有限维参数的筛估计，我们建立了它们的渐近正态性和有效性。进行了大量的模拟，以评估所提出的方法在有限样本的性能。最后，我们将我们的方法应用于使用AMD相关眼病研究（AREDS）数据的AMD进展的全基因组分析，以成功识别与疾病进展相关的新风险变体。我们还为具有不同遗传特征的患者预测了联合和条件性无进展概率。
2019-08-20 stat.ME
The partial vine copula: A dependence measure and approximation based on the simplifying assumption
简化的藤连接函数（SVC），或对连接函数的结构，已成为一个重要的工具，在高维依赖建模。到目前为止，SVCs的规格和估计是在简化假设下进行的，即，所有的二元条件Copula被假定为二元无条件Copula。我们介绍了部分藤Copula（PVC），它提供了一个新的多元依赖措施，并发挥了重要作用，在多变量分布的SVC近似。PVC是一个特殊的SVC，其中任何边的j阶部分copula被分配，并构成一个多元模拟的二元部分copula。我们调查到什么程度的PVC描述的依赖结构的基础Copula。我们表明，PVC不最小化的库尔贝克-莱布勒散度从真正的copula和最佳的近似满足简化假设是由藤伪copula。然而，在正则条件下，无论简化假设是否成立，对copula结构的逐步估计收敛到PVC。此外，我们阐明了为什么PVC是最好的可行SVC近似在实践中。
2017-06-11 stat.ME
Outlier-robust copula regression for bivariate continuous proportions: an application to cushion plant vitality
Syneos Health；Dept. of Mathematical Statistics and Actuarial Science, University of the Free State（自由州大学数学统计与精算科学系）；CEMSE Division, King Abdullah University of Science and Technology（阿卜杜拉国王科技大学CEMSE学部）；Dept. of Statistics, University of Pretoria（比勒陀利亚大学统计学系）；Dept. of Plant and Soil Sciences, University of Pretoria（比勒陀利亚大学植物与土壤科学系）；Dept. of Botany and Plant Biotechnology, University of Johannesburg（约翰内斯堡大学生物学与植物生物技术系）
针对二元连续比例数据的内部异常值与残差依赖问题，提出结合矩形beta边缘与单参数copula的贝叶斯稳健回归方法，经垫状植物调查与模拟验证性能优异，可作为跨领域成对比例数据的稳健分析工具。
2025-11-13 stat.ME
GARCH copulas, v-transforms and D-vines for stochastic volatility
The School for Business and Society, University of York（约克大学商业与社会学院）
本文提出结合v-变换的近似copula及简化D-vine，用于GARCH过程依赖建模，在模拟和汇率数据上优于现有vine copula方法。
2026-10-06 stat.ME
Estimating Non-Simplified Vine Copulas Using Penalized Splines
藤蔓copula（或pair-copula构造）已成为高维依赖建模的重要工具。通常，所谓的简化葡萄树Copula模型估计，其中二元条件Copula近似为二元无条件Copula。我们提出了第一个非参数估计的非简化葡萄树copula，允许不同的条件copula使用惩罚层次B样条。在整个葡萄树Copula中，我们在每个边缘测试简化假设，建立数据驱动的非简化葡萄树Copula估计。为了克服维数灾难，我们用第一个主成分作为条件变元的条件copula来近似具有多个条件变元的条件copula。一个广泛的模拟研究进行，显示了显着改善的样本外库尔贝克-莱布勒散度，如果原假设的一个简化的葡萄Copula可以被拒绝。我们将我们的方法应用于著名的铀数据，并提出了一个分类的眼状态数据集，展示了潜在的好处，可以实现条件Copula建模时。
2016-12-14 stat.ME
Bivariate vine copula based regression, bivariate level and quantile curves
本文利用基于vine copula的二元回归模型的水平曲线构建二元条件分位数，提出一种对称处理双响应变量的图结构模型，有效避免了传统回归缺陷，并在天气数据中验证了联合建模的优势。
2023-07-03 math.ST stat.ME stat.ML
Some Results on Point Estimation of the Association Parameter of a Bivariate Frank Copula
本文全面研究了二元 Frank Copula 关联参数的点估计，比较了三种估计量在偏差、MSE等方面的表现，发现 MLE 整体最优但在零附近 MME 更佳，且 MLE 的渐近行为在 $n\ge 75$ 时表现良好。
2025-06-29 stat.ME
BRBVS: An R Package for Bivariate Variable selection in Copula Survival Model(s) domain
BRBVS是一个R包，实现了针对双变量生存Copula模型的变量选择算法，提供易用函数和图形输出，适用于受删失影响的数据，且算法思想可扩展至其他模型类别。
2025-01-22 stat.CO stat.ME
Estimating Copula and Test of Independence based on a generalized framework of all rank-based Statistics in Bivariate Sample
Copula是完全捕捉随机变量之间的依赖结构的数学对象，因此，在构建多变量随机模型时提供了很大的灵活性。在统计学中，Copula是一种用公式表示多元分布的通用方法，可以表示各种一般类型的依赖关系。在二元样本的情况下，估计Copula的概念与检验二元样本的独立性密切相关，因为当二元样本的分量独立时，Copula就变成了两个均匀分布的简单乘积。因此，除了Copula的非参数估计，我们还认为引入一些非参数检验以更好地理解Copula在解释成分之间的关联时的本质是相关的。事实上，我们将开发一个通用的多变量统计，从而产生一个更大的类的非参数秩为基础的统计。这类统计量可用于估计和检验双变量样本中存在的关联。我们选择了一些有代表性的统计数据，并比较了他们的权力，在测试独立性，使用模拟作为尝试，选择最好的候选人在该类中。
2013-09-28 math.ST stat.ME stat.TH
Large-sample tests of extreme-value dependence for multivariate copulas
从极值copula函数的极大稳定性特征出发，研究了多元copula函数极值依赖性的大样本检验问题。所提出的测试的两个关键成分是经验copula的数据和乘数技术获得近似的p值的派生统计。建立了乘子方法的渐近有效性，并通过广泛的蒙特卡罗实验研究了大量候选检验统计量的有限样本性能的数据集的尺寸2至5。在双变量情况下，最佳检验版本的拒绝率与Ghoudi，Khoudraji和Rivest（1998）最近由Ben Ghorbal，Genest和Neslehova（2009）重新访问的检验进行了比较。所提出的程序说明了二元金融数据和三元地质数据。
2011-05-11 stat.ME
Gradient-Boosted Generalized Linear Models for Conditional Vine Copulas
针对条件藤Copula的参数估计问题，提出结合梯度提升与广义线性模型的方法，通过关联协变量与Kendall's τ实现参数估计与协变量选择，经模拟和天气预报后处理实验验证性能优于基准，并提供对应R包。
2024-06-19 stat.AP stat.ME
A mixed effect model for bivariate meta-analysis of diagnostic test accuracy studies using a copula representation of the random effects distribution
诊断测试准确性研究通常报告真阳性、假阳性、真阴性和假阴性的数量。真阳性和真阴性的数量之间通常存在负相关，因为采用不太严格的标准宣布试验阳性的研究会引起更高的灵敏度和更低的特异性。广义线性混合模型（GLMM）是目前推荐的综合诊断试验的准确性研究。我们提出了一个Copula混合模型，用于诊断试验准确性研究的双变量荟萃分析。我们的一般模型包括GLMM作为一个特殊的情况下，也可以操作的灵敏度和特异性的原始规模。通过分位数回归技术和不同的双变量随机效应分布特征，推导出该模型的受试者工作特征曲线。我们的一般方法是证明了广泛的模拟研究，并说明了重新分析的数据，两个发表的荟萃分析。我们的研究表明，可以有一个改进的GLMM在适合的数据，并提出了论点，为移动到copula随机效应模型。我们的建模框架在开源统计环境R中的CopulaREMADA包中实现。
2015-02-26 stat.AP stat.ME
Additive Models for Conditional Copulas
条件Copula是一种灵活的统计工具，它将联合条件分布和边际条件分布耦合起来。在一个线性回归设置有一个以上的协变量和两个依赖的结果，我们提出了使用添加剂模型的条件二元Copula模型，并讨论计算和模型选择工具进行贝叶斯推断。该方法是使用模拟和一个真实的例子说明。
2014-07-30 stat.ME
Estimating copula measure using ranks and subsampling: a simulation study
本文提出了一种估计Copula测度的新方法。从两个变量X和Y的N个观测值中，我们绘制了大量的子样本（大小n<N），并且我们计算了这些子样本的联合秩。然后，对于每个二元秩（p，q）（0<p，q<n+1），我们计算子样本的数量，使得存在具有二元秩（p，q）的子样本的观察。这个计数给出了Copula密度的估计。仿真研究表明，该方法比通常的核方法具有更好的性能。这种新方法的主要优点是我们不需要选择和证明内核。作为交换，我们必须选择子样本大小：这实际上是一个与带宽选择非常相似的问题。这样我们就降低了整体难度。
2007-09-25 stat.ME
A geometric investigation into the tail dependence of vine copulas
藤连接函数是一种多元依赖模型，由一组根据特定的底层图形结构组合的二元连接函数组成。他们的灵活性和实用性，在中等和高的维度作出了贡献的普及藤copula，但相对较少的关注已经支付给他们的极值性质。为了解决这个问题，我们提出了一些研究最广泛的葡萄树copula类的尾部依赖特性的结果。我们的研究重点是尾部依赖系数和样本云的渐近形状，我们使用Nolde（2014）的几何方法计算。我们提供了新的见解，提出了三变量藤copula构造的结果，从渐近依赖和渐近独立的二元copula，专注于二元极值和倒极值copula，与额外的细节提供了逻辑和倒逻辑的例子。我们还提出了新的理论，一类高维藤copula，构造从二元倒极值copula。
2020-12-17 math.ST stat.ME stat.TH
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
On a Bivariate Copula for Modeling Negative Dependence: Application to New York Air Quality Data
本文提出一种满足多种常见负相关概念的新型单参数二元 copula，刻画其 Spearman's rho、Kendall's tau 及负相关强度序性质，并通过纽约空气质量数据验证其应用价值。
2023-07-17 math.ST stat.ME stat.TH
Assessing univariate and bivariate risks of late-frost and drought using vine copulas: A historical study for Bavaria
本研究利用藤蔓连接函数模型，基于巴伐利亚1952-2020年的气候数据，评估了干旱和晚霜的单变量及双变量风险，并识别出高风险区域，以支持森林适应气候变化。
2023-10-16 stat.AP stat.ME stat.ML
Examination and visualisation of the simplifying assumption for vine copulas in three dimensions
藤连接是一类高度灵活的依赖模型，它基于将密度分解为二元构建块。对于应用，人们通常作一个简化的假设，即条件分布的copula与它们所依赖的变量无关。然而，这一假设被批评为限制性太强。我们研究简化和非简化的藤蔓连接在三个维度，并调查概念上的差异。我们显示和比较的三维藤copula模型，这被证明是更多的信息比二元边缘的轮廓线的轮廓表面。我们的研究表明，非简化的葡萄藤连接可以表现出任意不规则的形状，而简化的葡萄藤连接似乎是他们的二维边缘到三维的平滑外推。除了各种构建的例子，我们还调查了一个三维子集的知名铀数据集和视觉检测，一个非简化的藤蔓copula是必要的，以捕捉其复杂的依赖结构。
2016-10-28 stat.AP stat.ME
Semiparametric bivariate extreme-value copulas
极值Copula作为分量最大值的极限依赖结构而出现。根据函数参数定义，它们是最广泛的copula家族之一，因为它们的灵活性和捕获不对称性的能力。尽管如此，在无约束设置中满足该参数的复杂分析特性仍然是一个挑战，限制了大多数使用具有非常少的参数或非参数模型的模型。针对双变量的情况，我们提出了一种新的半参数方法。我们的过程依赖于一系列的变换，包括威廉森变换和从零积分样条开始。在没有进一步约束的情况下，可以通过利用梯度优化的极大似然估计来有效地获得完全兼容的解决方案。我们成功地对模拟和真实世界的数据进行了几次实验。我们的方法优于另一个众所周知的非参数技术在各种设置中的小型和中型样本。它的表现力是由引力波探测LIGO和Virgo合作收集的宝贵数据说明。
2022-03-24 math.ST stat.CO stat.ME
Gaussian Process Vine Copulas for Multivariate Dependence
Copula允许学习边缘分布独立于多元依赖结构（copula），多元依赖结构将它们连接到一个密度函数中。藤因子分解通过构造条件二元copula的层次结构来简化高维copula的学习。然而，为了简化推理，通常假设这些条件二元Copula中的每一个都独立于其条件变量。在本文中，我们放松了这一假设，发现潜在的功能，指定的形状的条件Copula给定其条件变量我们学习这些功能的贝叶斯方法的基础上稀疏高斯过程的期望传播可扩展的，近似的推理。在真实世界数据集上的实验表明，当对所有条件依赖进行建模时，我们可以更好地估计数据的底层copula。
2013-02-16 stat.ME stat.ML
Modeling temporal dependency of longitudinal data: use of multivariate geometric skew-normal copula
本文基于 MGSN 分布构建几何偏正态 copula，以刻画非高斯纵向数据的不可交换与尾部时间依赖，并支持连续、离散及有序 probit 回归的复合似然推断。
2025-02-16 stat.ME
Generalized Additive Models for Pair-Copula Constructions
对Copula构造是使用二元Copula作为构建块的灵活依赖模型。在本文中，我们使用广义可加模型来扩展它们，允许协变量的影响。借用传统的单变量背景下的想法，我们让每个配对copula参数直接依赖于协变量的参数，半参数或非参数的方式。本文提出了一种序贯估计方法，并通过模拟研究了四种主要汇率的日内收益率之间的时变相关结构。一个R包、一个再现本文中结果的脚本和其他模拟结果作为补充材料提供。
2017-08-15 stat.ME
Use of copula to model within-study association in bivariate meta-analysis of binomial data at the aggregate level a Bayesian approach and application to surrogate endpoint evaluation
双变量荟萃分析提供了一个有用的框架，用于合并相关研究的信息，并已被用于合并临床研究的证据，以评价两种结局的治疗疗效。它还被用于研究替代终点的处理效应与最终结局之间的替代模式。替代终点在药物开发中发挥重要作用，因为它们可用于与最终结局相比早期测量处理效应，并预测临床获益或危害。标准双变量荟萃分析方法使用双变量正态分布，在研究内和研究间水平上对观察到的治疗对替代药物的影响和最终结局结局进行建模。对于二项分布数据，可以使用对数比值比尺度上的正态近似。然而，当事件比例接近1或0时，该方法可能导致偏倚结果，影响替代终点的验证。在本文中，我们将探讨在原始二项尺度上对这两种结果进行建模。首先，我们提出了一种使用独立二项似然来模拟研究内变异性的方法，避免近似观察到的处理效应。然而，该方法忽略了研究内关联。为了克服这个问题，我们提出了一种方法，使用二元copula与二项式边际，这使得模型能够考虑研究内的关联。我们应用该方法的一个说明性的例子，在慢性粒细胞白血病完全细胞遗传学反应（CCyR）和无事件生存期（EFS）之间的替代关系进行调查。
2022-05-18 stat.AP stat.ME
Joint modelling of the body and tail of bivariate data
针对双变量场景下同时刻画数据主体与尾部依赖的模型稀缺问题，提出一种结合两类copula与动态加权函数的混合依赖模型，经数值分析、模拟及英国气温-臭氧数据验证，拟合效果更优且能捕捉复杂依赖结构。
2023-10-10 stat.ME
Bayesian estimation of a bivariate copula using the Jeffreys prior
具有连续边界的二元分布可以通过Copula及其边缘分布唯一分解。我们考虑估计Copula函数的问题，并采用贝叶斯方法。在Copula函数空间上，我们构造了一个由双随机阵参数化的有限维逼近子空间。这里的一个主要问题是选择一个先验分布的空间的双随机阵也被称为伯克霍夫多面体。本文的主要贡献是推导了一个简单的Jeffreys先验公式，并证明了它是正确的。在文献中已知，对于像这里处理的复杂问题，上述结果是难以获得的。然后通过马尔可夫链蒙特卡罗方法对Jeffreys先验的贝叶斯估计进行数值评估。进行了较为广泛的模拟实验。在许多情况下，结果有利于贝叶斯估计超过频率估计，如标准核估计和Deheuvels估计的均方误差。
2012-07-03 math.ST stat.CO stat.ME
COPAR - Multivariate time series modeling using the COPula AutoRegressive model
多元时间序列分析是金融、经济等领域的一个常见问题。用于此目的的经典工具是向量自回归模型。然而，这些仅限于线性和对称依赖的建模。我们提出了一种新的基于Copula的模型，它允许非线性和非对称建模的串行以及系列之间的依赖关系。该模型充分利用了仅由二元连接函数建立的藤连接函数的灵活性。我们描述了新模型的统计推断技术，并在三个相关的应用中证明了它的实用性：我们分析了宏观经济指标的时间序列，电力负荷需求和债券投资组合的回报。
2012-04-04 stat.ME
Parallel Computing for Copula Parameter Estimation with Big Data: A Simulation Study
近年来，基于Copula的建模取得了快速发展。然而，在大数据应用中，估计copula参数的冗长计算时间是一个主要困难。在这里，我们开发了一种新的方法来加快计算时间估计copula参数，使用通信免费并行计算。我们的程序分区完整的数据集不相交的独立子集，进行copula参数估计的子集，并结合的结果，以产生一个近似的完整的数据copula参数。我们表明，在模拟研究中，计算时间大大减少，通过我们的方法，使用三个著名的一个参数的双变量Copula内的椭圆和阿基米德的家庭：高斯，弗兰克和Gumbel。此外，我们的模拟研究发现，与完整数据参数估计值相比，我们的方法的估计偏倚、估计均方误差和估计相对L1和L2误差值较小。
2016-09-18 stat.ME
A vine copula mixed effect model for trivariate meta-analysis of diagnostic test accuracy studies accounting for disease prevalence
最近提出了一种双变量Copula混合模型来综合诊断测试精度的研究，并已被证明在这方面优于标准的广义线性混合模型（GLMM）。在这里，我们称之为三变量vine copula，通过解释疾病患病率来扩展诊断测试准确性研究的双变量荟萃分析。我们的葡萄树copula混合模型包括三变量GLMM作为一个特殊的情况下，也可以操作的灵敏度，特异性和疾病患病率的原始规模。我们的一般方法是通过重新分析两个已发表的荟萃分析的数据来说明。我们的研究表明，可以有一个改进的三变量GLMM在适合的数据，并提出了论点，移动到藤copula随机效应模型，特别是因为他们的丰富性，包括反射不对称的尾部依赖，和计算的可行性，尽管他们的三维。
2015-06-12 stat.AP stat.ME
Two-Stage Pseudo Maximum Likelihood Estimation of Semiparametric Copula-based Regression Models for Semi-Competing Risks Data
本文面向半竞争风险数据，提出基于 copula 半参数模型的两阶段伪极大似然估计方法，证明渐近性质并验证其更稳健、高效。
2024-10-25 stat.ME
Kernel estimation of bivariate time-varying coefficient model for longitudinal data with terminal event
我们提出了一个非参数双变量时变系数模型的纵向测量与发生的终端事件，是受右删失。随时间变化的系数捕获协变量效应的纵向轨迹以及随访时间和剩余寿命。所提出的模型扩展了参数条件的方法，终端事件的时间在最近的文献中，从而避免了潜在的模型误指定。我们考虑一个核平滑方法估计回归系数在我们的模型和使用交叉验证带宽选择，在最后的分析中应用欠平滑，以消除渐近偏差的核估计。我们证明了核估计在较弱的正则条件下是渐近正态的，并提供了一个易于计算的夹心方差估计。我们进行了广泛的模拟，显示所提出的方法的理想性能，并应用该方法来分析终末期肾病患者的医疗费用数据。
2021-11-09 stat.ME
Bivariate Inverse Topp-Leone Model to Counter Heterogeneous Data
在概率论和统计学中，二元连续特征的可靠建模仍然是一个难以克服的问题。在二元数据分析中，我们必须处理数据中存在的异质性。因此，为了处理这样的情况下，我们研究了一种新的技术的基础上的Farlie-Gumbel-Morgenstern（FGM）Copula和逆Topp-Leone（ITL）模型在这项研究中。其想法是利用FGM copula的振荡功能和国际交易日志模型的灵活性，为双变量寿命现象的建模提出一个严肃的双变量解决方案，以应对数据中存在的异质性。理论和实践都得到了发展。特别是，我们确定了与模型相关的主要函数，如累积模型函数，概率密度函数，条件密度函数，以及用于二元建模的各种有用的依赖性度量。模型参数的估计使用极大似然法和贝叶斯框架的马尔可夫链蒙特卡罗（MCMC）方法。然后，使用模型比较方法来比较模型。为了解释研究结果并推荐更好的模型，我们使用了著名的Drought和Burr数据集。
2022-06-12 stat.AP stat.ME
