Estimating Causal Moderation Effects with Randomized Treatments and Non-Randomized Moderators
研究人员通常对分析条件性处理效应感兴趣。其中一个变体是“因果调节”，这意味着对第三个（调节剂）变量的干预将改变处理效应。本研究认为，在何种条件下，因果温和可以确定，并提出了一个广义的框架，估计因果温和的随机治疗和非随机主持人的影响。作为估计过程的一部分，它允许研究人员实施他们首选的协变量调整方法，包括参数和非参数方法，或他们选择的替代识别策略。此外，它提供了一个设置，从而设计的平均治疗效果的背景下，敏感性分析可以扩展到适度的背景下。为了说明的方法，研究提出了两个应用程序：一个处理的效果使用术语“福利”来描述在美国的公共援助，和一个处理的效果寻求庇护者的宗教对欧洲人的态度寻求庇护者。
2020-08-24 stat.ME
Heterogeneous interventional indirect effects with multiple mediators: non-parametric and semi-parametric approaches
本文针对因果顺序未知的两个离散中介变量，提出基于影响函数的半参数方法和完全非参数方法估计条件干预间接效应，并给出敏感性分析及COVID-19疫苗接种对抑郁影响的实证应用。
2023-04-18 stat.ME
Penalized G-estimation for effect modifier selection in a structural nested mean model for repeated outcomes
针对重复结局的结构嵌套均值模型中效应修饰因子未知的问题，提出兼具效应估计与因子选择功能的双稳健惩罚G估计量，证明其神谕性质，经模拟验证性能后应用于透析治疗异质性研究。
2025-01-19 stat.ME
A Non-parametric Direct Learning Approach to Heterogeneous Treatment Effect Estimation under Unmeasured Confounding
针对无未测量混杂假设在实际研究中难以满足的问题，提出借助工具变量估计存在未测量混杂时条件平均处理效应的通用框架，构建了更高效稳健的估计量，并通过模拟与真实数据验证了有效性。
2024-10-08 stat.ME
Estimating the True Effect Size Distribution with SIMEX
Stanford（斯坦福大学）；Meta
针对大规模在线实验含噪声效应估计的问题，提出基于SIMEX的非参数方法，可从已知方差的估计平均处理效应中估计真实效应分布，性能接近参数经验贝叶斯方法，为表征效应量分布提供灵活途径。
2026-08-26 stat.ME
A correlation structure for the analysis of Gaussian and non-Gaussian responses in crossover experimental designs with repeated measures
在这项研究中，我们提出了一个家庭的交叉设计的相关性结构与重复测量，高斯和非高斯响应使用广义估计方程（GEE）。该结构考虑了两个矩阵：一个模型期间之间的相关性，另一个模型期间内的相关性。用于构建GEE的总体相关矩阵对应于这些矩阵之间的克罗内克。提出了一种估计相关矩阵参数的方法，研究了其统计特性，并与使用单个相关矩阵的标准模型进行了比较。一个模拟研究表明，所提出的结构在准似然准则、效率和解释交叉设计的纵向数据中复杂相关现象/模式的能力方面具有优越的性能
2022-05-03 stat.ME
Estimating Longitudinal Causal Effects with Unobserved Noncompliance Using a Semi-Parametric G-computation Algorithm
受试者不依从，即受试者不遵循指定的治疗方案，通常掩盖了随机试验中治疗和处理效应之间的因果关系。在纵向设置中，G计算算法可以调整混杂以估计因果效应。通常，G计算假设1）观察到符合性; 2）可以正确指定混杂因素的密度。我们的目标是开发一个G-计算估计的设置，这两个假设都违反。对于1），我们用从与依从性相关的生物标志物建模中推导出的概率权重来代替未观察到的依从性。对于2），我们使用预测均值匹配拟合半参数模型。具体来说，我们参数化地指定混杂因素的条件平均值，然后使用预测平均值匹配来随机生成用于G计算的混杂数据。在模拟和应用中，我们比较了多个因果估计已经建立在文献中与那些来自我们的方法。对于模拟，我们生成了不同样本量和混杂水平的数据。对于应用，我们将我们的方法应用于试图评估低尼古丁香烟对香烟消费的影响的试验（香烟中尼古丁评估中心项目2 - CENIC-P2）。
2023-02-08 stat.AP stat.ME
Handling missing data when estimating causal effects with Targeted Maximum Likelihood Estimation
本文通过模拟研究评估了TMLE因果推断中八种缺失数据处理方法，发现包含交互项和非线性项的参数多重填补方法在多数情景下偏倚和方差表现最佳。
2024-05-03 stat.AP stat.ME
Estimating heterogeneous effects of continuous exposures using Bayesian tree ensembles: revisiting the impact of abortion rates on crime
在估计连续暴露或治疗的因果效应时，重要的是控制所有混杂因素。然而，大多数现有的方法需要控制变量如何影响结果或广义倾向得分的参数规范，并且对处理效应的推断通常对这种选择敏感。此外，通常的目标是估计处理效应如何在观察单位之间变化。为了解决这一差距，我们提出了一个半参数模型使用贝叶斯树集成估计的因果关系的影响，连续治疗的暴露，（i）不需要先验参数规范的控制变量的影响，和（ii）允许识别的影响修改预先指定的主持人。我们所做的主要参数假设是，暴露对结果的影响是线性的，这种关系的陡度由主持人的非参数函数决定，我们提供了诊断这一假设的有效性的方法。我们运用我们的方法来重新审视2001年关于堕胎率如何影响犯罪发生率的研究。
2020-07-20 stat.AP
Estimating confidence regions of common measures of (baseline, treatment effect) on dichotomous outcome of a population
在这篇文章中，我们估计的置信区域的常用措施（基线，处理效应）的观察性研究中，其中基线的措施是基线风险或基线优势，而处理效应的措施是优势比，风险差，风险比或归因分数，其中混杂是控制在估计的基线和处理效应。为了避免正态近似方法和参数或非参数自助方法的高度复杂性，我们通过基于一个logistic模型生成这些测量的ML估计的近似分布来获得（基线，处理效应）测量的置信区域。
2015-01-21 stat.CO
A longitudinal Bayesian framework for estimating causal dose-response relationships
King’s College London（伦敦国王学院）；University of Toronto（多伦多大学）；Technical University of Munich（慕尼黑工业大学）；Imperial College London（帝国理工学院）
提出一种可扩展的非参数贝叶斯框架，通过广义倾向得分处理时变混杂，估计连续暴露下的边际纵向因果剂量-反应函数，并应用于地铁客流量与COVID-19病例数的因果分析。
2026-10-14 stat.AP stat.ME
Estimating heterogeneous treatment effects with right-censored data via causal survival forests
Zhejiang University（浙江大学）；UNC Chapel Hill（北卡罗来纳大学教堂山分校）；Stanford University（斯坦福大学）；UIUC（伊利诺伊大学厄巴纳-香槟分校）
基于森林的方法最近在非参数处理效应估计中得到普及。在这一工作的基础上，我们引入了因果生存森林，它可用于估计异质性处理效应的生存和观察设置的结果可能是右删失。我们的方法依赖于正交估计方程，以鲁棒地调整下unconfoundness的删失和选择效果。在我们的实验中，我们发现我们的方法相对于一些基线表现良好。
2023-02-28 cs.LG stat.ME stat.ML
Kernel Balancing: A flexible non-parametric weighting procedure for estimating causal effects
在不存在未观察到的混杂因素的情况下，匹配和加权方法被广泛用于估计因果量，包括对治疗者的平均处理效应（ATT）。不幸的是，这些方法不一定能实现其目标，即使对照组的协变量的多变量分布与治疗组的协变量分布相同，使两组之间的协变量的一些（潜在的多变量）函数具有不同的平均值。当这些“不平衡”的功能影响非治疗的潜在结果时，对观察到的协变量的调节失败，ATT估计可能有偏差。本文介绍的核平衡针对无偏ATT估计的较弱要求，特别是治疗组和对照组的预期非治疗潜在结局相等。假设非治疗潜在结果的条件期望落在与内核选择相关的函数空间中，这意味着一组基函数，其中该回归曲面是线性的。然后在对照单位上选择权重，使得处理组和对照组在这些基函数上具有相等的平均值。因此，在加权后，治疗组和对照组的非治疗潜在结局的预期也必须相等，允许通过随后的平均值差异或使用这些权重的结局模型进行无偏ATT估计。此外，所产生的权重是（1）精确地均衡治疗组和对照组协变量的多变量分布的特定基于核的近似值的权重，以及（2）等同于一种形式的稳定化反向倾向得分加权，尽管它不需要假设任何治疗分配机制模型。提供了一个R包KBAL来实现这种方法。
2016-04-30 math.ST stat.AP stat.ME
Appropriate use of parametric and nonparametric methods in estimating regression models with various shapes of errors
本文提出了一种实用的回归模型估计方法，它采用半参数有效得分函数，适用于具有各种形状误差的数据。首先，我推导出半参数有效的分数向量的同方差回归模型没有任何假设的错误。接下来，可以根据误差分布的形状假设误差的特定参数分布或者通过非参数地估计误差分布来修改半参数有效得分函数。误差的非参数方法可用于估计感兴趣的参数或找到适当的参数误差分布。在这方面，所提出的估计方法适当地利用参数和非参数方法的误差。通过数值研究，所提出的估计方法的性能进行了论证。
2023-01-20 stat.ME
Estimating causal effects of time-dependent exposures on a binary endpoint in a high-dimensional setting
最近，当DAG不存在时的干预演算（IDA）方法被开发用于从观察的高维数据估计因果效应的下限。最初引入它是为了评估不随时间变化的基线生物标志物的影响。然而，在许多临床环境中，在治疗暴露期间的固定时间点重复测量生物标志物，因此，需要扩展该方法。本文的目的是，然后扩展的IDA，彼得克拉克（PC）算法的第一步，一个时间依赖性的曝光的情况下，一个二进制的结果。我们概括的PC算法，考虑到时间顺序的重复测量的曝光，并建议应用IDA与我们的新版本，按时间顺序排列的PC算法（COPC算法）。在应用用于估计时间依赖性免疫生物标志物对转移性黑色素瘤患者的毒性、死亡和进展的因果效应的方法之前，已经进行了模拟研究。仿真研究表明，使用COPC算法得到的完全部分有向无环图（CPDAG）在结构上比使用PC算法得到的CPDAG更接近真实的CPDAG。此外，因果效应更准确时，他们估计的基础上获得的CPDAG使用COPC算法。此外，通过COPC算法获得的CPDAG允许去除非时序箭头，其中在时间t测量的变量指向在时间t'测量的变量，其中t'<t。双向边缘在使用COPC算法获得的CPDAG中较少，这支持了从这些CPDAG估计的因果效应的变异性较小的事实。COPC算法提供了保持数据中存在的时序结构的CPDAG，从而允许估计时间依赖性生物标志物的因果效应的下限。
2018-03-29 stat.ME stat.ML
An R package for parametric estimation of causal effects
该研究推出R包CausalModels，整合了Hernan与Robins提出的传统统计因果推断方法，提供无需深厚统计知识即可处理观测数据偏差的工具，搭建了多方法统一建模的易用框架。
2023-07-18 cs.LG cs.MS stat.AP
Estimating Semi-parametric Panel Multinomial Choice Models using Cyclic Monotonicity
本文提出了一种新的半参数识别和估计方法，在面板数据设置与个人固定效应的多项选择模型。我们的方法是基于循环单调性，这是一个定义功能的随机效用框架下的多项式选择模型。从循环单调性的性质，我们得到识别不等式，而不需要任何形状限制的随机效用冲击的分布。这些不等式指出在对协变量的直接假设下识别模型参数。基于这些不等式，我们提出了一个相合估计量.
2016-04-20 stat.ME
Estimating Bayes factors from minimal summary statistics in repeated measures analysis of variance designs
在本文中，我开发了一个公式，估计贝叶斯因子直接从重复测量方差方差分析设计中产生的最小汇总统计量。该公式只需要知道$F$ -统计量、受试者数量和每例受试者重复测量次数，该公式基于贝叶斯因子的BIC近似值，这是使用线性模型进行贝叶斯计算的常见默认方法。除了提供计算的例子，我报告的模拟研究中，我证明了该公式相比，最近开发的，更复杂的方法，占重复测量之间的相关性。最小BIC方法为研究人员提供了一种简单的方法，可以从最小的汇总统计量集合中估计贝叶斯因子，为用户提供了一个强大的索引，不仅可以估计他们自己的数据的证据价值，还可以估计已发表的研究报告中的数据。
2022-09-18 stat.CO stat.ME
Counterfactual Uncertainty Quantification of Factual Estimand of Efficacy from Before-and-After Treatment Repeated Measures Randomized Controlled Trials
Department of Mathematics, The University of Manchester；Janssen Research；Pfizer Worldwide Research \& Development；Department of Statistics, The Ohio State University
该研究提出ETZ统计建模原理，在带治疗前后重复测量的随机对照试验中实现了反事实不确定性量化，其变异性低于事实UQ，同时警示带测量误差的预测变量会引发亚组效应估计的衰减偏差。
2025-06-14 cs.LG stat.ML
Estimating Transfer Entropy via Copula Entropy
Hitachi (China) Research & Development Corporation（日立（中国）研究开发有限公司）
因果发现是统计学中的一个基本问题，在各个领域有着广泛的应用。传递熵是度量因果关系的一个重要概念，其本质是条件互信息。Copula Entropy（CE）是一种度量统计独立性的理论，与MI是等价的.在本文中，我们证明了TE可以表示只有CE，然后提出了一个非参数的方法估计TE通过CE。将该方法应用于北京PM2.5数据的实验分析。实验结果表明，该方法可以有效地从数据中推断因果关系，从而有助于更好地理解数据。
2021-03-06 cs.IT cs.LG math.IT
Estimating restricted mean treatment effects with stacked survival models
两组之间的限制平均生存时间的差异是临床相关的汇总指标。对于观察性数据，两组之间的混杂变量可能存在不平衡。解释这种不平衡的一种方法是通过对协变量调整的生存分布建模，然后在协变量分布上边缘化，来估计协变量调整的限制性平均差。证明了约束均值差的均方误差受协变量调整生存分布估计量的均方误差的约束。这意味着协变量调整后的生存分布的更好的估计量与限制平均差的更好的估计量相关。因此，本文提出了估计限制均值差与堆叠生存模型。堆叠生存模型通过最小化预测误差来估计多个生存模型的加权平均值。通过包括一系列参数和半参数模型，堆叠生存模型可以有效估计协变量调整的生存分布，因此，在广泛的情况下，限制平均处理效应。我们通过模拟研究表明，新的估计可以执行几乎以及Cox回归时，比例风险假设是满意的，显着更好的比例风险被违反。拟议的估计还说明了与来自器官共享联合网络的数据，以评估肺移植后的生存率之间的大容量和小容量的中心。
2014-10-15 stat.AP
A non-parametric approach for estimating the correlation between log-rank test statistics with applications to a conjunctive power calculation
本文提出一种非参数方法估计log-rank检验统计量相关性，用于联合功率计算，通过模拟验证方法的可靠性及删失影响。
2026-01-06 stat.ME
A parametric framework for assessing and estimating sufficient follow-up time in cure models
Federal University of São Carlos（圣卡洛斯联邦大学）；Institute of Mathematics and Computer Sciences（数学与计算机科学学院）；University of São Paulo（圣保罗大学）；MRC Biostatistics Unit（医学研究委员会生物统计单元）；University of Cambridge（剑桥大学）
本研究提出统一参数框架，结合随访充分性检验与两种容忍度准则，通过模拟验证性能并应用于癌症数据，实现治愈模型中随访充分性评估与所需时间估计的统一。
2026-08-12 stat.ME
Estimating lengths-of-stay of hospitalised COVID-19 patients using a non-parametric model: a case study in Galicia (Spain)
本文提出非参数混合治愈模型，在调整年龄、性别及删失偏倚后更准确估计 COVID-19 患者普通病房和 ICU 住院时长，并通过 Monte Carlo 模拟支持床位需求预测。
2024-01-27 stat.ME
On estimating extremal dependence structures by parametric spectral measures
在可用数据稀疏的情况下，通常需要估计极值copula。因此，参数方法可能是首选方法。定义参数族的一种可能的方法是简单的，同时，涵盖了各种各样的多元极值依赖结构是建立基于谱测量的模型。这里考虑这种方法。谱测度的参数族被定义为适当基元的凸包，参数通过在这些有限维空间上投影初始非参数估计来估计。得到了估计参数的渐近分布以及谱测度和极值copula的估计。有限样本的性质说明了模拟研究。
2013-01-27 math.ST stat.ME stat.TH
A Counterfactual Framework for Estimating Infectious Disease Prevalence under Repeated Testing with Symptomatic and Contact-Tracing Components
Division of Biostatistics, College of Public Health, The Ohio State University（俄亥俄州立大学公共卫生学院生物统计系）；Department of Medical Epidemiology and Biostatistics, Karolinska Institutet（卡罗林斯卡医学院医学流行病学与生物统计系）
本文提出反事实框架，通过建模检测过程（含定期、症状及接触者追踪检测）实现无偏估计传染病患病率，无需显式建模传播动态，并以俄亥俄州立大学COVID-19数据为例验证。
2026-09-10 stat.AP stat.ME
Non-Parametric Estimation Techniques of Factor Copula Model using Proxies
针对因子 copula 模型中连接 copula 难以准确估计的问题，本文提出基于核密度估计的非参数方法，证明其在温和条件下的一致性，并通过模拟验证有效性。
2025-10-21 stat.ME
SIMEX Estimation in Parametric Modal Regression with Measurement Error
针对一类具有测量误差的参数模态回归模型，提出了一种估计模态回归系数的模拟外推估计方法。大样本性质的建议估计程序，包括一致性和渐近正态性，进行了深入研究。通过仿真研究，评估了该方法对潜在异常值的鲁棒性和减小由测量误差引起的偏差的有效性。
2019-10-03 stat.ME
Parametric estimation of conditional Archimedean copula generators for censored data
本文提出含内生变量的条件阿基米德Copula生成元参数估计新方法，通过直接估计生成元放宽传统简化假设，经两类场景验证可更准确捕捉依赖结构，提升精算等场景的模型适用性。
2024-04-10 stat.ME
Finite Sample Hypothesis Tests for Stacked Estimating Equations
假设有两个未知参数，每个参数都是一个估计方程的解，其中一个参数的估计方程依赖于另一个参数。这些参数可以通过“叠加”它们的估计方程并同时求解两个参数来联合估计。渐近置信区间很容易用于堆叠估计方程。我们引入了一个基于Bootstrap的假设检验堆叠估计方程，不依赖于渐近近似。检验统计量的构造方法是将样本一分为二，估计部分样本的第一个参数，然后将结果代入第二个估计方程，使用剩余样本求解下一个参数。为了减少单一分割的模拟变异性，我们重复分割样本并取所有估计值的样本均值。对于参数模型，我们导出了样本分裂估计的极限分布，并证明了它们与叠层估计方程是等价的。
2019-08-11 stat.ME
Simulation study to evaluate when Plasmode simulation is superior to parametric simulation in estimating the mean squared error of the least squares estimator in linear regression
该研究以线性回归最小二乘估计量的均方误差估计为场景，对比参数模拟与Plasmode模拟的性能，探究假设偏差等因素对两类模拟的影响，明确了不同场景下的优选模拟方法及Plasmode模拟的适用重采样策略。
2025-06-17 stat.CO stat.ME
Non parametric estimation of joint, Renyi-Stallis entropies and mutual information and asymptotic limits
本文提出了一种估计一对离散随机变量的联合概率质量函数的新方法。利用该估计量构造了一对离散随机变量的联合Shannon Rényi-Tsallis熵和互信息估计.建立了几乎处处相合定理和中心极限定理。我们的理论结果是通过模拟验证。
2020-01-11 stat.ME
A semi-parametric approach for estimating consumer valuation distributions using second price auctions
University of Florida（佛罗里达大学）；LinkedIn Inc（领英公司）
本文提出一种无需调参的半参数方法，利用第二价格拍卖数据估计消费者估值分布，以帮助卖家优化定价策略。
2026-02-20 cs.GT stat.AP stat.ME
The empirical likelihood prior applied to bias reduction of general estimating equations
在现代统计文献中，在贝叶斯型过程的构造中采用经验似然（EL）分量代替参数似然函数的做法已经得到了很好的解决。我们严格推导出EL先验，杰弗里斯型先验，渐近最大化数据和参数之间的香农互信息。我们的方法的重点是基于EL的后验和先验密度函数之间的集成Kullback-Leibler距离。EL先验密度是对应的后验形式与EL的差异渐近可忽略的密度函数。我们表明，所提出的结果可以用来开发一种方法，用于减少一般估计方程和M-估计方案的解决方案的渐近偏差，通过删除一阶项。这种技术是以类似的方式开发的方法，用于减少渐近偏差的最大似然估计，通过惩罚其Jeffreys不变先验的基本参数似然。一个与心肌梗死研究相关的真实数据示例说明了所提出的技术在实际方面的吸引力。保留字：渐近偏差，有偏估计方程，经验似然，期望Kullback-Leibler距离，惩罚似然，参考先验。
2018-08-19 stat.ME
Functional principal component analysis as an alternative to mixed-effect models for describing sparse repeated measures in presence of missing data
本研究提出用非参数的函数主成分分析（FPCA）替代混合效应模型处理稀疏重复测量纵向数据，验证其在不同缺失机制下的稳健性，并应用于痴呆前认知轨迹分析，揭示了确诊前认知下降的加速特征。
2024-07-10 stat.ME
Non-Smooth Backfitting for Excess Risk Additive Regression Model with Two Survival Time-Scales
本文提出了一种新的后拟合算法来估计Scheike（2001）的复杂结构的非参数生存模型，而无需使用平滑。所考虑的模型是一个非参数生存模型，具有两个时间尺度，相当于一个常数，随受试者而变化。协变量效应通过加性Aalen模型在每个时间尺度上线性建模。通过求解两个时间尺度上的局部估计方程，给出了两个时间尺度上的累积强度估计。我们能够估计的累积强度解决回拟合估计方程，而不使用平滑方法，我们提供了大样本特性和同步置信带。该模型被应用于心肌梗死的数据，提供了一个分离的两个影响，从诊断和年龄的时间。
2019-04-02 stat.ME
Flexible parametric bootstrap for testing homogeneity against clustering and assessing the number of clusters
聚类分析中有两个众所周知的难题，即估计聚类数量和检查待聚类的总体是否实际上不同质。给定一个数据集，聚类方法和聚类验证指数，本文提出建立空模型，捕捉不能被解释为指示聚类的数据的结构特征。人工数据集从空模型中采样，参数从原始数据集估计。这可用于检验同质总体相对于聚类备选方案的原假设。它还可以用于校准验证指数，以估计聚类数，通过考虑任何给定数量的聚类的空模型下的指数的预期分布。该方法说明了三个例子，涉及各种不同的聚类技术（分割围绕medoids，分层方法，高斯混合模型），验证指标（平均轮廓宽度，预测强度和BIC），和问题，如混合类型的数据，时间和空间自相关。
2015-02-09 stat.ME
Combining parametric, semi-parametric, and non-parametric survival models with stacked survival models
对于估计条件生存函数，非参数估计可以首选参数和半参数估计，由于宽松的假设，使稳健估计。然而，即使在错误指定的情况下，参数和半参数估计量在小样本量下也可以具有更好的操作特性，这是因为与非参数估计量相比，参数和半参数估计量的方差更小。从根本上说，这是一种偏倚-方差权衡的情况，因为样本量不够大，无法利用非参数估计的低偏倚。堆叠生存模型通过最小化预测误差来估计模型的最佳加权组合，该组合可以跨越参数、半参数和非参数模型。一项广泛的模拟研究表明，堆叠生存模型通过自适应地平衡各个候选生存模型的优势和劣势，在各种场景中始终表现良好。此外，堆叠生存模型的表现与通过交叉验证选择的模型一样好，甚至更好。最后，堆叠的生存模型应用于一个著名的德国乳腺癌研究。
2014-12-20 stat.ME
Estimating menarcheal age distribution from partially recalled data
在一项横断面研究中，青少年和年轻成年女性被要求回忆初潮的时间，如果经历过。一些受访者准确地回忆起了日期，一些人只记得事件发生的月份或年份，还有一些人无法回忆起任何事情。我们考虑估计月经初潮年龄分布从这个区间删失数据。事件发生时的年龄和日历时间之间复杂的相互作用，以及记忆随时间衰退的明显事实，使审查信息。我们提出了一个模型，其中各种类型的召回的概率将取决于自初潮的时间。对于参数估计，我们使用多项式回归函数对这些概率进行建模。建立参数极大似然估计的一致性和渐近正态性需要对标准渐近理论进行一些调整，因为数据格式因情况而异。我们还提供了一个非参数极大似然估计，提出了一个计算上更简单的近似，并建立在温和的条件下，这两个估计的一致性。我们通过蒙特卡罗模拟研究了参数和非参数估计的小样本性能。此外，我们提供了一个图形检查的多项模型的假设的召回概率，这似乎举行月经期的数据集。我们的分析表明，使用部分回忆的数据部分确实会导致生存函数的较小置信区间。
2019-03-03 stat.AP stat.ME
Targeted Maximum Likelihood Estimation using Exponential Families
目标极大似然估计（TMLE）是半参数和非参数模型参数估计的一种常用方法。TMLE的每次迭代涉及拟合以感兴趣的参数为目标的参数子模型。我们研究使用指数族来定义参数子模型。TMLE的这种实现给出了一种估计非参数模型中任何光滑参数的一般方法。该方法的计算优点在于TMLE的每次迭代涉及指数族中的参数的估计，这是凸优化问题，对于该凸优化问题存在实现可靠且计算高效的方法的软件。我们说明了三个估计问题的方法，涉及的结果随机缺失的平均值，中位数回归模型的参数，和连续曝光的因果关系，分别。我们进行了一个模拟研究，比较不同的选择参数子模型，集中在这些问题的第一个。据我们所知，这是第一次研究调查的鲁棒性TMLE不同规格的参数子模型。我们发现，子模型的选择可以有一个重要的影响有限样本中的估计的行为。
2014-06-02 stat.ME
Minimax wavelet estimation for multisample heteroscedastic non-parametric regression
研究了从多采样噪声曲线中估计基线信号的问题。本文考虑了功能性混合效应模型，假设功能性固定效应属于Besov类。这个框架允许我们对可能表现出强烈不规则性的曲线进行建模，例如峰值或跳跃。提供了$L_2$极小极大风险的下限，以及极小极大比率的上限，该上限是通过构建函数固定效应的小波估计量推导出来的。我们的工作构成了多样本非参数回归的第一个理论结果。我们的方法说明了现实的模拟数据集以及实验数据。
2015-11-14 stat.ME
Effective Degrees of Freedom for Balanced Repeated Replication and Paired Jackknife Variance Estimates: A Unified Approach via Stratum Contrasts
本文通过层对比方法统一了BRR和Jackknife方差估计，推导了自由度估计公式并分析了两种方法的效率与适用性。
2026-03-12 stat.AP stat.ME
Solving estimating equations with copulas
由于它们能够捕捉复杂的依赖结构，copula经常被用来将随机变量粘合到具有任意边缘分布的联合模型中。最近，它们已被应用于解决统计学习问题，如回归或分类。将这些方法构建为估计方程的解，我们将它们概括在一个统一的框架中。然后，我们可以在多个类似回归的问题上获得同时的、连贯的推论。我们得到相应的估计的自举的一致性，渐近正态性和有效性。该条件允许连续和离散数据以及参数，非参数和半参数估计的copula和边缘分布。这种方法的多功能性说明了几个理论的例子，模拟研究，并应用到金融投资组合配置。
2022-08-19 stat.ME
Non-parametric estimation of Expectation and Variance of event count and of incidence rate in a recurrent process -- where intensity of event-occurrence changes with the occurrence of each higher order event
针对事件发生强度随高阶事件发生而变化的复发事件，提出了一种新的方差函数的期望和最大值的非参数估计方法.这类经常发生的事件，经常观察到在临床试验中的心血管事件，也在许多社会实验，涉及吸毒成瘾，持械抢劫等模拟数据被用来证明新的方法来估计的均值和方差的这种经常发生的事件和结果相比，纳尔逊Aalen估计的结果。
2020-12-17 stat.ME
Noniterative Likelihood-Derived Estimation through Auxiliary Estimating Equations
Pontificia Universidad Católica de Chile（智利天主教庞蒂菲亚大学）；University of São Paulo（圣保罗大学）
本文提出一种通过辅助估计方程构造非迭代似然导出估计量的方法，得到闭式估计量，并建立其理论性质，通过多种模型和模拟验证了其有效性。
2026-09-22 stat.ME
Semi-parametric inference based on adaptively collected data
UC Berkeley（加州大学伯克利分校）；Rutgers University（罗格斯大学）；MIT（麻省理工学院）；Data Science Center（数据科学中心）
针对自适应收集数据下标准估计量无法渐近正态的难题，本文在半参数广义线性回归背景下构建加权估计方程，给出渐近正态性条件与可探索性要求，并通过模拟验证理论。
2025-03-02 cs.LG math.ST stat.ME
Bayesian Sequential Experimental Design for a Partially Linear Model with a Gaussian Process Prior
研究了在高斯过程先验下估计部分线性模型参数分量的序贯试验设计问题。我们考虑一个主动学习设置，实验者自适应地决定收集哪些数据，以有效地实现他们的目标。实验者的目标可能会有所不同，例如降低分类错误概率或提高估计数据生成过程的参数的准确性。本研究旨在提高部分线性模型参数分量估计的精度。在某些假设下，部分线性模型的参数分量可被视为因果参数，即平均处理效应（ATE）或平均因果效应（ACE）。我们提出了一个贝叶斯序贯试验设计算法的部分线性模型与高斯过程先验，这也被认为是一个序贯试验设计定制的ATE或ACE的估计。我们通过数值实验的基础上合成和半合成数据所提出的方法的有效性。
2022-11-04 stat.ME
Transfer Learning in High-dimensional Semi-parametric Graphical Models with Application to Brain Connectivity Analysis
迁移学习越来越受到人们的关注，其目标是通过从相似和相关的辅助研究（数据集）中挖掘信息来提高一个研究（数据集）的统计效率。本文研究了无向半参数图模型估计中的迁移学习问题。我们提出了一种算法称为Trans-Copula-CLIME估计无向图模型，同时挖掘信息，从类似的辅助研究，目标图和每个辅助图之间的相似性的发散矩阵的稀疏性特征。所提出的方法放宽了限制性假设，即数据遵循高斯分布，这偏离了与注意缺陷多动障碍（ADHD）相关的fMRI数据集的现实。非参数秩为基础的相关系数估计使用的trans-Copula-CLIME程序，以实现对正态性的鲁棒性。我们在一些温和的条件下建立了Trans-Copula-CLIME估计的收敛速度，证明了当辅助样本与目标样本之间的相似性足够高且辅助样本的信息量足够大时，Trans-Copula-CLIME估计比现有的非迁移学习估计具有更大的优势.仿真研究还表明，trans-Copula-CLIME估计有更好的性能，特别是当数据不是来自高斯分布。最后，利用纽约地区的fMRI数据集，将该方法应用于北京地区ADHD患者脑功能连接模式的推断。
2021-12-26 stat.ME
Estimating Stochastic Production Frontiers: A One-stage Multivariate Semi-Nonparametric Bayesian Concave Regression Method
本文描述了一种方法来估计生产前沿，满足公理的单调性和单调性在非参数贝叶斯设置。一个低效率的长期，允许显着偏离先前的分布假设，在一个单一的阶段与参数先验假设联合估计。我们通过局部超平面收缩超参数将异方差引入到无效项中，并使用有界约束的局部非线性回归来施加单调性。我们的最小超平面估计量施加了。我们的蒙特卡罗模拟实验表明，前沿和效率估计是有竞争力的，经济合理的，并允许分析更大的数据集比现有的非参数方法。我们使用2007-2010年日本混凝土行业的数据验证了所提出的方法。结果表明，在这段时间内，效率水平保持相对较高。
2015-10-06 stat.AP 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
Double Machine Learning for Partially Linear Mixed-Effects Models with Repeated Measurements
提出基于双重机器学习的半线性混合效应模型估计方法，通过非参数回归调整变量，实现固定效应的半参数有效估计，并在模拟与HIV数据中验证了优越性。
2022-02-03 math.ST stat.ME stat.ML
Parametric inference for proportional (reverse) hazard rate models with nomination sampling
\noindent随机提名抽样（RNS）是一种基于等级的抽样技术，在涉及环境和生态应用的几项非参数研究中已被证明是有效的。本文研究了比例风险率模型和比例反向风险率模型中参数$\boldsymbolθ$未知向量的RNS估计。我们研究了极大似然法（ML）和矩量法（MM）的方法，并调查我们提出的基于RNS的估计相比，那些基于简单随机抽样（SRS）的相对精度。我们介绍了四种类型的RNS为基础的数据，以及必要的EM算法的ML估计，并评估相应的估计性能估计$\boldsymbolθ$。我们发现，总有一些设计参数的值，基于RNS的估计比基于SRS的估计更有效。推理的基础上不完善的排名也进行了探讨，它表明，即使在排名是不完善的，改善。理论结果增加了数值评估和案例研究。
2015-12-17 math.ST stat.AP stat.ME
Two-sample tests for repeated measurements of histogram objects with applications to wearable device data
重复观察在生物医学研究和纵向研究中越来越常见。例如，可穿戴传感器设备被部署为在多天内连续跟踪来自每个个体的生理和生物信号。适当评估生物信号的每日分布在疾病组和人口统计学中的差异仍然非常有趣。因此，这些数据可以用公式表示为多变量复杂对象数据，例如概率密度、直方图和树上的观察。传统的统计方法往往无法应用，因为它们是从任意的非欧几里德度量空间中采样的。在本文中，我们提出了新的非参数图为基础的重复测量对象数据的两个样本测试。提出了一组检验统计量来捕获各种可能的替代方案。在零置换下，我们得到了它们的渐近零分布。这些测试表现出显着的权力改善现有的方法，同时控制有限样本下的第一类错误，通过模拟研究所示。所提出的测试证明，以提供额外的见解的位置，个体间和个体内的日常身体活动分布的样本中的情绪障碍的研究。
2021-06-24 stat.AP stat.ME
Correlation structure and variable selection in generalized estimating equations via composite likelihood information criteria
广义估计方程（GEE）方法是生物统计学文献中分析纵向二进制和计数数据的常用方法。它假设结果变量为广义线性模型（GLM），重复测量之间存在工作相关性。在本文中，我们介绍了一个可行的竞争对手：加权评分法的GLM利润。我们使用一个离散化的多元正态模型，这是一个适当的多元模型的单变量得分方程的权重。由于加权评分法是一种基于似然的参数化方法，我们提出了复合似然信息准则作为模型选择的中间步骤。相关性结构和变量选择可以使用相同的标准。仿真研究和应用实例表明，该方法优于现有的GEE模型选择方法。从实例中可以看出，我们的方法允许正确的分析，并可能改变推理结果。
2015-11-27 stat.AP stat.ME
