Generalized Correlation Regression for Disentangling Dependence in Clustered Data
University of Science and Technology of China(中国科学技术大学);Hong Kong Polytechnic University(香港理工大学);Temple University(天普大学)
针对聚类和纵向数据中非高斯响应的复杂相关结构,提出广义相关性回归(GCR)框架,直接将相关性建模为协变量函数并估计边际均值,在提升预测性能的同时揭示多层级依赖驱动因素。
2025-09-17 stat.AP stat.ME
Multilevel modelling of double-sampled clustered social networks with individual-level data on between-cluster ties
London School of Economics & Political Science(伦敦政治经济学院);Santa Fe Institute(圣塔菲研究所);Max Planck Institute for Evolutionary Anthropology(马克斯·普朗克人类进化研究所)
本文推广社会关系模型(SRM),结合双重抽样与多层次结构方程模型,用MCMC方法估计,推导跨集群网络,以尼加拉瓜农村社区社会支持网络数据验证。
2026-08-28 stat.ME
SEMMS with Random Effects: A Mixed-Model Extension for Variable Selection in Clustered and Longitudinal Data
本文扩展了SEMMS模型以处理纵向和簇状数据中的随机效应,通过交替坐标上升算法改进变量选择性能,并在不同数据集上验证了其有效性。
2026-03-16 stat.CO stat.ME
Joint longitudinal and time-to-event models for multilevel hierarchical data
纵向和时间事件数据的联合建模最近受到了很大的关注。越来越多的标准联合建模方法的扩展被提出来处理应用研究中经常遇到的复杂数据结构。在本文中,我们提出了一个联合模型的分层纵向和时间到事件的数据。我们的激励应用程序探讨了非小细胞肺癌患者肿瘤负荷和无进展生存期之间的关系。我们将肿瘤负荷定义为患者体内聚集的靶病灶大小的函数。由于患者可能有多个病变,并且每个病变都随时间进行跟踪,因此数据具有三级分层结构:在患者(3级)内病变(2级)内聚类的时间点(1级)进行重复测量。我们通过指定新的关联结构来联合建模病变特异性纵向轨迹和患者特异性死亡或疾病进展风险,该关联结构将较低级别聚类(例如病变)的信息组合到患者级别的汇总(例如肿瘤负荷)中。我们提供用户友好的软件,用于在贝叶斯框架下拟合模型。最后,我们讨论了其他情况下,额外的聚类因素(S)发生在一个层次结构中的水平高于患者的水平,因为这对模型制定的影响。
2018-05-16 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
Marginalizable conditional model for clustered ordinal data
我们引入了一个灵活的参数相关的二进制数据的混合效应模型,参数可以直接解释为边际优势比。这导致一个稳健估计方程,其最佳加权矩阵是真正的基于模型的协方差阵的逆。相关随机效应可以施加灵活的相关结构,相关参数可以通过求解复合似然得分函数来估计。即使在条件参数模型被错误指定时,边缘参数也被一致地估计,并且在正确的模型指定下,与极大似然估计相比,稳健估计过程具有低的估计效率损失。模拟,分析马德拉斯纵向精神分裂症研究和英国社会属性面板调查进行了证明我们的方法。
2014-03-30 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
Wilcoxon-Mann-Whitney Effects for Clustered Data: Informative Cluster Size
在聚类数据中,信息簇大小是近年来研究的热点。在非参数的情况下,这个问题主要被认为是检验平等的分布函数。本文的目的是发展Wilcoxon-Mann-Whintey效应(也称为非参数相对效应)的推导过程。给出了无偏估计量,并研究了它的渐近性质。渐近理论被用来发展推理方法。虽然所提出的方法在构造估计量时考虑了聚类大小中的信息,但它同样适用于聚类大小可变的情况。仿真结果表明,我们的方法适当占信息集群的大小,它通常优于现有的方法,特别是那些设计下的可扩展的集群大小。该方法的应用说明使用的数据从纵向研究酒精的使用和牙周研究。
2022-12-13 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
Joint modelling of time-to-event and longitudinal response using robust skew normal-independent distributions
针对纵向数据与事件时间联合建模中高斯假设的局限,提出基于稳健偏态正态独立分布的联合模型,以增强对偏态和异常值的鲁棒性。
2024-07-18 stat.ME
An efficient Gehan-type estimation for the accelerated failure time model with clustered and censored data
在医学研究中,收集的协变量通常包含潜在的离群值。对于具有删失观测的聚类/纵向数据,传统的Gehan型估计对响应中存在的离群值具有稳健性,但对协变量域中的离群值敏感,并且忽略了聚类内的相关性。考虑到簇内相关性、簇大小的变化以及协变量中的异常值,我们提出了簇数据加速失效时间模型中参数估计的加权Gehan型估计函数.我们提供的估计量的渐近性质,并进行模拟研究,以评估所提出的方法在各种现实的设置下的性能。仿真结果表明,所提出的方法是强大的协变量域中存在的离群值,并导致更有效的估计时,一个强大的类内相关性存在。最后,将所提出的方法应用于一个医学数据集,从而获得更可靠和令人信服的结果。
2020-03-09 stat.ME
Assessing an Alternative for `Negative Variance Components': A Gentle Introduction to Bayesian Covariance Structure Modelling for Negative Associations Among Patients with Personalized Treatments
多水平模型(MLM)是描述分层聚类观测值间相关性的常用方法。一个主要特征是能够估计(集群特定的)随机效应参数,而它们的分布描述了跨集群的变化。然而,MLM只能对聚类观测值之间的正关联建模,并且不适合小样本量。当估计方法对随机效应方差产生负估计时,MLM的局限性变得明显,这可以被视为观测值负相关的指示。对贝叶斯协方差结构模型(BCSM)进行了简单的介绍,这使得它也可以对负相关的观测值进行建模。BCSM不通过随机(群集特定)效应,而是通过协方差阵对依赖性进行建模。我们表明,这使得BCSM特别适用于小数据样本。我们特别注意检测个性化干预的效果。个性化治疗的效果可能会因个体而异,这可能会导致由同一治疗师治疗的个体的测量结果之间的负面关联。结果表明,BCSM使建模的负关联之间的聚类测量和艾滋病的负聚类效应的解释。通过模拟研究,并通过分析一个真实的数据例子,我们讨论了适合的BCSM的小数据集和探索个性化治疗的效果,特别是当(标准)MLM软件产生负或零方差估计。
2021-06-18 stat.CO stat.ME
Joint modelling of longitudinal and time-to-event data applied to group sequential clinical trials
通常在测量长期至事件发生时间终点(如总生存期或无进展生存期)的III期临床试验中,研究者还收集可能预测主要终点的生物标志物的重复测量结果。尽管这些数据可能无法直接用于支持早期停止决策,但我们是否可以更好地利用这些数据来提高效率并改善中期决策?我们提出了一个纵向和时间事件数据的联合模型和一种方法,该方法建立了联合模型中参数的连续估计值在中期分析中的分布。有了这个,我们可以使用估计值来定义有效性和无效性停止规则。使用模拟,我们评估了纳入生物标志物信息的好处和对中期决策的影响。
2022-11-29 stat.ME
Personalized feature threshold estimation in joint modelling of longitudinal and time-to-event data
本研究利用ARIC队列数据,在纵向与时间-事件联合模型中提出允许阈值随性别、种族和特征类型变化的个性化危险因素阈值估计方法,以支持个性化CVD预防并改进风险估计。
2025-06-21 stat.ME
Additive quantile regression for clustered data with an application to children's physical activity
加法模型是灵活的回归工具,可以处理线性和非线性项。后者通常通过平滑样条来建模。加性混合模型扩展了加性模型,以在根据聚类设计对数据进行采样时包括随机项(例如,纵向)。当重复测量可用时,这些模型可用于研究人类的生长,某些疾病机制和能量消耗等现象。本文提出了一种新的分位数回归的可加混合模型。我们的方法的动机是应用到身体活动的基础上,超过50万加速度计测量的儿童在英国千年队列研究的数据集。在模拟研究中,我们评估了现有的替代方案所提出的方法。
2019-06-07 stat.ME
Multilevel models for continuous outcomes
多层次模型(混合效应模型或分层线性模型)现在是分析社会、行为和医学科学中集群和纵向数据的标准方法。这篇综述文章的重点是连续响应(结果或因变量)的多水平线性回归模型。这些模型可以被视为传统线性回归模型的扩展,以解释数据中的聚类并从中学习。常见的聚类应用包括学校对学生成绩的影响,医院对病人健康的影响,以及邻里对受访者态度的影响。在所有这些例子中,多层次模型允许人们研究回归关系如何在集群之间变化,识别预测这种变化的集群特征,解开在不同分析层次上运行的社会过程,并进行集群特定的预测。常见的纵向应用包括研究个人身高和体重的生长曲线以及个人行为的发展轨迹。在这些例子中,多层次模型允许一个描述和解释增长率的变化,并同时探索预测内和个体间的变化。本文介绍并举例说明了这类功能强大的模型。我们首先集中在最常用的两个水平的随机截距和斜率模型。我们通过两个详细的例子来说明如何将这些模型应用于集群和纵向数据,并在观测和实验设置。然后,我们审查更灵活的三个层次,交叉分类,多个成员和多变量响应模型。最后,我们推荐一系列关于所有这些主题的进一步阅读。
2019-07-12 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
A Bias-Corrected Two-Stage Approach for Joint Modelling of Multidimensional Longitudinal HRQoL and Survival Data
UCLouvain(天主教鲁汶大学);Université de Liège(列日大学)
针对多维纵向HRQoL与生存数据联合建模中全联合估计计算量大的问题,提出斜率校正两阶段方法,通过信息先验传播纵向信息并重估斜率参数,降低偏差并保持计算效率。
2026-06-23 stat.AP stat.ME
Modelling longitudinal polytomous animal data using Bayesian hierarchical models
针对纵向名义多分类数据分析中参数过多、模型不收敛及过度离散等问题,本文提出基于无信息先验和MCMC的贝叶斯分层模型,并通过猪行为数据的应用研究验证其有效性,同时提供R实现代码以支持农业实验设计中的相关分析。
2025-07-22 q-bio.QM stat.ME
Conditional Copula Models for Right-Censored Clustered Event Time Data
本文提出了一种建模策略来推断协变量对右删失聚类事件时间数据的依赖结构的影响。联合生存函数的事件时间建模使用参数条件Copula,其参数依赖于一个集群级协变量的功能。我们使用局部似然方法来估计Copula参数的形式,并概述了广义似然比型测试策略,正式测试其恒常性。采用引导程序来获得测试的近似$p$值。所提出的估计和测试方法的性能进行评估,在模拟下不同的右删失率和各种参数copula家庭,考虑参数和非参数估计的利润。我们将这些方法应用于糖尿病视网膜病变研究的数据,以评估发病年龄对视力丧失的影响。
2016-06-04 stat.ME
Bayesian joint modelling using semiparametric accelerated failure time approaches
The University of Queensland’s Clinical Trials Capability (ULTRA)(昆士兰大学临床试验能力中心(ULTRA));NHMRC Clinical Trial Centre, University of Sydney(悉尼大学国家健康与医学研究委员会临床试验中心);Australian and New Zealand Urogenital and Prostate (ANZUP) Cancer Trials Group(澳大利亚和新西兰泌尿生殖和前列腺癌症试验组)
提出一类半参数加速失效时间联合模型,直接建模协变量对事件时间的影响并灵活捕捉纵向-事件关联,采用贝叶斯框架进行估计,相比比例风险模型更具灵活性和可解释性。
2026-06-16 stat.ME
Variance component mixture modelling for longitudinal T-cell receptor clonal dynamics
本文提出一种方差分量混合模型,用于在任意随访和缺失数据条件下区分T细胞受体克隆的动态与静态纵向变化,并通过EM算法估计参数,在前列腺癌队列中识别出转移导向放疗引起的克隆动态性显著增加。
2025-02-06 stat.ME
"Spatial Joint Models through Bayesian Structured Piece-wise Additive Joint Modelling for Longitudinal and Time-to-Event Data"
针对空间联合模型稀缺及传统比例风险公式计算难题,提出基于分段指数风险、计数过程表示与结构化加性预测变量的联合模型,可估计多类效应,性能优、速度快且在不平衡数据下稳定。
2023-02-14 stat.CO stat.ME
Real-Time Regression Analysis of Streaming Clustered Data With Possible Abnormal Data Batches
本文提出了一种基于二次推理函数(QIF)的增量学习算法,用于分析具有相关结果的流数据集,如纵向数据和聚类数据。我们提出了一个可再生的QIF(RenewQIF)方法的可再生估计和增量推理的范式内,其中参数估计递归更新与当前数据和历史数据的汇总统计,但没有使用任何历史主题级的原始数据。我们比较我们的可再生估计方法与离线QIF和离线广义估计方程(GEE)的方法,处理整个累积的主题级数据,并从理论上和数值上表明,我们的可再生程序具有统计和计算效率。我们还提出了一种方法来诊断的同质性假设的回归系数通过序贯拟合优度测试作为筛选程序的异常数据批次的出现。我们通过扩展现有的Spark的Lambda架构来实现所提出的方法,用于统计推断和数据质量诊断。我们说明了所提出的方法,通过广泛的模拟研究和分析流汽车碰撞数据集从国家汽车抽样系统耐撞性数据系统(NASS CDS)。
2021-06-30 stat.ME
On a penalised likelihood approach for joint modelling of longitudinal covariates and partly interval-censored data -- an application to the Anti-PD1 brain collaboration trial
针对纵向时变协变量测量误差与部分区间删失事件时间问题,提出结合Cox模型的联合建模及惩罚似然估计方法,模拟验证其推断可靠,并用于Anti-PD1试验。
2024-12-04 stat.ME
Bayesian joint modelling of longitudinal biomarkers to enable extrapolation of overall survival: an application using larotrectinib trial clinical data
Visible Analytics;Bayer Pharmaceuticals(拜耳制药);University Medical Centre Hamburg Eppendorf(汉堡埃普多夫大学医学中心);University Cancer Institute and the Department of Oncology, University Hospital Fundacion Jimenez Diaz, Autonomous University(胡安·希梅内斯·迪亚兹基金会大学医院肿瘤科及癌症研究所,自治大学);Institut Bergonié(贝尔戈涅研究所);Gustave Roussy Comprehensive Cancer Center(古斯塔夫·鲁西综合癌症中心);Department of Statistics, University of Warwick(华威大学统计系)
本研究利用贝叶斯联合建模方法,通过肿瘤负荷等中间生物标志物预测总生存期,相较于传统方法,提高了生存预测的准确性,并能处理复杂的数据结构。
2025-12-18 stat.ME
High-dimensional Longitudinal Inference via a De-sparsified Dantzig-Selector
本文针对高维纵向聚类数据框架下的广义线性模型推断问题,提出了一种去稀疏化的Dantzig型正则化估计量,提供了理论依据并验证了其在连续和二值数据上的有效性。
2025-08-12 math.ST stat.ME stat.TH
Generalized network autoregressive modelling of longitudinal networks with application to presidential elections in the USA
本文提出带交互项的 community-α GNAR 模型并给出有限样本误差界,用于分析高维纵向网络,且通过1976–2020年美国各州选举数据揭示任期、2016年变化及红蓝州差异。
2025-03-13 math.ST stat.AP stat.ME
Joint mixed-effects models for causal inference in clustered network-based observational studies
针对网络干扰下聚类层面未测量混杂导致因果推断有偏的问题,提出结合联合混合效应模型与直接标准化的贝叶斯方法,模拟验证其无偏性,并用于分析母亲大学教育对青少年学业的影响。
2024-04-11 stat.ME
Monte Carlo modified profile likelihood in models for clustered data
处理聚类数据的分析师的主要焦点通常不是聚类变量,因此特定于组的参数被视为讨厌的东西。如果一个固定效应配方是首选和集群的总数是相对于单组大小大,经典的频率依赖于配置文件的可能性技术往往是误导。由于存在非标准建模和/或抽样假设,使用替代工具,如修改轮廓似然或综合似然,对感兴趣的参数进行准确推断可能会变得复杂。我们在这里展示了如何采用蒙特卡罗模拟,以近似修改后的配置文件的可能性,在这些非常规的框架。所提出的解决方案是广泛适用的,并保持通常的属性修改后的配置文件的可能性。该方法在两种情况下,特别是相关的应用程序,即缺失数据模型和生存模型与未指定的删失分布进行检查。通过仿真研究和两个临床试验应用验证了所提出的解决方案的有效性。
2018-12-29 stat.CO stat.ME
Sparse canonical correlation analysis for multiple measurements with latent trajectories
Department of Epidemiology & Data Science, Amsterdam School of Public Health, Amsterdam UMC(阿姆斯特丹大学医学中心流行病学与数据科学系、公共卫生学院)
针对标准CCA无法处理重复测量、现有扩展方法高维分析效果不佳的问题,提出一种纳入纵向时间动态的稀疏CCA扩展方法,可高效估计聚类数据的典型相关性,缩短计算时间并提供可解释的纵向轨迹。
2025-03-19 stat.ME
Joint modelling of association networks and longitudinal biomarkers: an application to child obesity
在过去十年中,肥胖症等慢性非传染性疾病的流行率明显增加。这些疾病在生命早期的研究是至关重要的,在确定其过程中的成年生活和支持临床干预。最近,人们的注意力已经吸引到研究肥胖儿童代谢途径改变的方法上。在这项工作中,我们提出了一种新的联合建模方法,用于分析生长生物标志物和代谢物浓度,以揭示与儿童肥胖相关的代谢途径。在贝叶斯框架内,我们灵活地建模的时间演变的增长轨迹和代谢协会通过规范的联合非参数随机效应分布,也允许聚类的主题,从而确定风险亚组。生长曲线以及代谢关联的模式决定了聚类结构。通过指定回归项,可以直接纳入风险因素。我们展示了拟议的方法,从成长在新加坡走向健康的结果(GUSTO)队列研究,总部设在新加坡的数据。后验推理是通过一个定制的MCMC算法,适应非参数的混合支持。我们的分析已经确定了肥胖儿童的潜在关键途径,可以探索与儿童肥胖相关的可能分子机制。
2022-02-11 stat.AP stat.ME
Cluster-induced target shift and synthetic approximation for high-dimensional clustered data
Florida International University(佛罗里达国际大学);University of Nottingham Ningbo China(诺丁汉大学宁波校区);University of Pennsylvania(宾夕法尼亚大学);Dartmouth College(达特茅斯学院);Oklahoma State University(俄克拉荷马州立大学)
针对高维聚类数据,提出合成异质效应LASSO(SHEL)方法,通过纳入聚类级合成近似来解决边际模型LASSO因协变量异质分布导致的虚假选择问题,并建立理论性质与后选择推断程序。
2026-09-18 stat.ME
A framework for statistical modelling of the extremes of longitudinal data, applied to elite swimming
本文提出基于极值理论和贝叶斯推断的纵向数据尾部建模框架,用于刻画短时间序列间的共性、时间演变和序列内依赖,并应用于精英游泳运动员职业生涯概率推断。
2023-06-21 math.ST stat.AP stat.ME
Bayesian semi-parametric inference for clustered recurrent events with zero-inflation and a terminal event/4163305
复发性事件数据在临床研究中很常见,当受试者纵向随访时,经常发生终末事件。随着具有异质性来源人群的大型实用性试验的日益普及,参与者通常嵌套在诊所中,并且可能对复发过程敏感或结构上不敏感。这些复杂性需要新的建模策略,以适应潜在的零事件膨胀以及分层数据结构的终端和非终端事件过程。在本文中,我们开发了一个贝叶斯半参数模型,以联合特征的零膨胀的复发事件过程和终端事件过程。我们使用一个点质量混合的非齐次泊松过程来描述经常性的强度,并引入共享的随机效应从不同的来源来桥接非终端和终端事件过程。为了实现鲁棒性,我们考虑非参数Dirichlet过程建模的剩余的加速失效时间模型的生存过程以及集群特定的脆弱性分布,并开发一个马尔可夫链蒙特卡罗算法的后验推理。我们证明了我们提出的模型与竞争模型相比,通过模拟的优越性,并将我们的方法应用到一个务实的集群随机试验中的老年人跌倒伤害预防。
2022-12-05 stat.ME
A scalable Bayesian functional factor model for high-dimensional longitudinal molecular data
University of Zurich(苏黎世大学);MRC Biostatistics Unit, University of Cambridge(剑桥大学生物统计单元)
本文提出一种可扩展的贝叶斯函数因子模型,用于分析高维纵向分子数据,结合潜在因子建模与函数主成分分析,以捕捉共享的时间程序和个体差异,通过稀疏性诱导先验实现可解释的因子结构。
2026-10-28 stat.ME
Estimation of a Factor-Augmented Linear Model with Applications Using Student Achievement Data
在许多纵向环境中,经济理论并没有指导从业者必须施加的限制类型,以解决因子增广线性模型的旋转不确定性。我们研究这个问题,并提供了几个新的结果识别使用内部生成的工具。我们提出了一类新的估计,并建立大样本的结果,使用最近的发展聚类样本和高维模型。我们进行了仿真研究,结果表明,所提出的方法提高了现有方法的性能上的未知因素的估计。最后,我们考虑了三个实证应用程序使用的学生在小学,高中和大学不同的主题集群的管理数据。
2022-03-06 econ.EM stat.ME
Multi-Parameter Regression Survival Modelling with Random Effects
我们考虑生存数据的参数建模方法,其中允许协变量通过多个分布参数进入模型,即,规模和形状。这与具有单个协变量依赖参数(通常是尺度)的标准惯例形成对比。采用所谓的多参数回归(MPR)建模方法已被证明可以产生灵活和稳健的模型,模型复杂性成本相对较低。然而,从生存分析研究中获得聚类数据是很常见的,这在MPR背景下还没有得到充分的发展。本文的目的是通过在尺度和形状回归分量中引入随机效应来扩展MPR模型以处理多变量生存数据。我们考虑了这些随机效应(独立,共享和相关)的各种可能的依赖结构,并使用h-似然方法进行估计。我们的估计过程的性能进行了调查的方式进行了广泛的模拟研究,我们的建模方法的优点是通过应用程序说明两个真实的数据例子,肺癌数据集和膀胱癌数据集。
2021-11-16 stat.ME
A dynamic probabilistic principal components model for the analysis of longitudinal metabolomic data
在纵向代谢组学研究中,在多个时间点从多个观察结果测量多种代谢物。兴趣在于减少这些数据的维度,并突出随着时间的推移而变化的有影响力的代谢物。提出了一种动态概率主成分分析(DPPCA)模型,以实现降维,同时适当地模拟由于重复测量的相关性。这是通过假设一些模型参数的自回归模型来实现的。线性混合模型随后用于鉴定随时间变化的有影响的代谢物。所提出的模型是用来分析数据的纵向代谢组学动物研究。
2013-12-09 stat.AP stat.ME
Longitudinal modeling of age-dependent latent traits with generalized additive latent and mixed models
我们提出了广义加性潜伏和混合模型(GALASTIC)的聚类数据的响应和潜变量依赖于观测变量顺利分析。提出了一种可扩展的极大似然估计算法,利用拉普拉斯近似,稀疏矩阵计算,自动微分。混合响应类型、异方差性和交叉随机效应自然被纳入框架。开发的模型的动机是在认知神经科学中的应用,并提出了两个案例研究。首先,我们展示了GALASTIC如何共同模拟情节记忆,工作记忆和速度/执行功能的复杂寿命轨迹,分别由加利福尼亚语言学习测试(CVLT),数字广度测试和Stroop测试测量。接下来,我们研究了社会经济地位对大脑结构的影响,使用教育和收入数据以及通过磁共振成像估计的海马体积。通过将半参数估计与潜在变量建模相结合,GALASTIC可以更真实地表示大脑和认知在整个生命周期中的变化,同时从测量项目中估计潜在特征。模拟实验表明,即使在中等样本量的情况下,模型估计值也是准确的。
2023-02-02 stat.AP stat.ME
Conditional variable screening for ultra-high dimensional longitudinal data with time interactions
本文针对超高维纵向数据提出一种基于边际线性混合模型似然值的条件变量筛选方法,可同时考虑基因组变量与时间的交互作用,并证明了其确定筛选性质。
2025-02-05 stat.ME
Between- and Within-Cluster Spearman Rank Correlations
针对现有聚类数据非参数相关度量仅支持总体相关的局限,本文定义了聚类间与聚类内Spearman秩相关参数,推导了其与总体秩相关的关系,给出估计推断方法并通过模拟和实例验证了有效性。
2025-01-14 stat.ME
Modelling multiple disease risk factors for microsimulation studies: a review of methods
MRC Biostatistics Unit, University of Cambridge(剑桥大学医学研究委员会生物统计学科)
本文综述了微观模拟中模拟多种疾病风险因素的统计方法,比较其适用性,并通过心血管健康检查案例展示实践,为卫生政策建模提供方法支持。
2026-09-15 stat.ME
Bayesian semiparametric modelling of biomarker variability in joint models
MRC Biostatistics Unit, University of Cambridge(剑桥大学医学研究委员会生物统计学单元);Great Ormond Street Institute of Child Health, University College London(伦敦大学学院大奥蒙德街儿童健康研究所);Guangdong Provincial Key Laboratory of Interdisciplinary Research and Application for Data Science, Beijing Normal-Hong Kong Baptist University(北京师范大学-香港浸会大学联合国际学院数据科学交叉研究与应用广东省重点实验室);Yale School of Public Health, Yale University(耶鲁大学公共卫生学院)
本文提出基于贝叶斯半参数方法的联合模型,用于更准确地建模生物标志物变异性,以提高疾病风险预测的稳定性与准确性。
2025-11-19 stat.AP stat.ME
Multiple imputation for longitudinal data: A tutorial
本教程综述处理不完整纵向数据及多层聚类数据的多重插补方法,强调插补模型与分析模型相容,并通过 R 和 Stata 可复现代例展示实施。
2024-04-10 stat.AP stat.ME
Probabilistic Modelling of Multiple Long-Term Condition Onset Times
本文提出 ProMOTe 概率模型,对电子健康记录中不完整、不可靠的多重疾病发病轨迹进行聚类与预测,并基于 UK Biobank 的15万人数据识别出50个疾病累积模式聚类。
2024-12-10 stat.AP stat.ME
Clustered Flexible Calibration Plots For Binary Outcomes Using Random Effects Modeling
KU Leuven(荷语鲁汶大学);Imperial College(帝国理工学院);Maastricht University(马斯特里赫特大学)
本文提出三种方法评估多集群临床预测模型的校准性,通过随机效应建模生成灵活校准图,并通过模拟和合成数据验证了方法的有效性。
2025-10-06 stat.ME
Semi-parametric estimation of biomarker age trends with endogenous medication use in longitudinal data
在队列研究中,非随机药物使用可能对估计平均生物标志物值的自然史趋势(即,感兴趣的预测因子与在没有生物标志物特异性治疗的情况下观察到的生物标志物结果之间的关联)构成障碍。治疗和结果的常见原因往往是不可测量的,模糊了我们的能力,很容易解释药物使用与常用的假设,如可重复性。此外,如果没有一些变量满足排除限制,使用工具变量的方法可能难以证明。具有结构转移的Heckman混合模型(有时不太具体地称为处理效应模型)可用于通过同质性假设(即,平均处理效应在协变量之间没有变化)和用于结果和处理的联合模型的参数规格。在最近的工作中,我们放宽了同质性假设,允许观察到的协变量作为处理效应修饰符。虽然这种方法已被证明是合理的横截面数据的设置,该方法的应用程序设置的纵向数据仍然没有探索。我们演示了如何假设的处理效应模型可以扩展到适应集群数据所产生的纵向研究。我们提出的方法是半参数的性质,有效的推断,可以得到,而不需要指定的纵向相关结构。作为一个说明性的例子,我们使用多种族动脉粥样硬化研究的数据来评估低密度脂蛋白的趋势,按年龄和性别。我们证实,我们的处理效应模型的泛化可以作为一个有用的工具,揭示自然历史趋势的纵向数据被掩盖的内源性治疗。
2021-01-22 stat.ME
Boosting Joint Models for Longitudinal and Time-to-Event Data
在过去的几年里,纵向和事件发生时间数据的联合模型得到了很多关注,因为它们是一种有用的技术,可以在临床研究中接近常见的数据结构,其中纵向结果与事件时间一起记录。这两个过程往往是相互联系的,因此,两个结果应联合建模,以防止独立建模可能带来的偏差。通常,联合模型是在基于可能性的期望最大化或贝叶斯方法中估计的,这些方法使用的框架中变量选择是有问题的,并且不能立即用于高维数据。在本文中,我们提出了一种boosting算法来解决这些挑战,它能够同时估计联合模型的预测因子,并自动选择最有影响力的变量,即使在高维数据的情况下。我们在模拟研究中分析了新算法的性能,并将其应用于丹麦囊性纤维化登记处,该登记处收集了囊性纤维化患者的纵向肺功能数据以及有关肺部感染发作的数据。这是第一种将机器学习领域的最先进算法与联合模型的模型类相结合的方法,提供了一种完全数据驱动的机制,以在联合模型的统一框架中选择变量和预测效应。
2016-12-22 stat.ME stat.ML
Random effects model-based sufficient dimension reduction for independent clustered data
本文提出基于随机效应模型的充分降维方法,通过假设聚类特异的中心子空间服从Grassmann流形分布来捕获聚类间异质性,并在逆回归框架下提出两阶段算法估计固定效应与随机效应中心子空间,有效提升了聚类数据的降维性能。
2024-10-13 stat.ME
A Bayesian Approach for Nonignorable Dropout in Bivariate Longitudinal Models
Maastricht University(马斯特里赫特大学);University of Florida(佛罗里达大学);University College London(伦敦大学学院)
提出贝叶斯非参数方法处理双变量纵向数据中的非随机缺失,通过联合建模各响应的退出过程并利用识别约束处理数据复杂性,应用于成本效果评估。
2026-06-25 stat.ME
merlin - a unified modelling framework for data analysis and methods development in Stata
梅林可以做很多事情。从简单的东西,如拟合线性回归或威布尔生存模型,到三水平logistic混合效应模型,或多个纵向结果(不同类型)和复发事件的多变量联合模型,以及非线性效应的生存.这一清单是无止境的。梅林能做我从未想过的事。我将使用一个数据集,并尝试向您展示merlin的全部功能,并讨论Stata中实现的一些未来方向。
2018-06-05 stat.CO stat.ME
Efficient and Robust Estimation for a Class of Generalized Linear Longitudinal Mixed Models
基于协方差结构的显式建模,提出了一类具有可加离差分量的分层乘性广义线性混合模型的通用且计算效率高的估计方程方法.该类别结合了纵向和随机效应模型,并保留了边际和条件解释。估计过程结合了回归的广义估计方程和关联参数的残差极大似然估计。这避免了传统的广义线性混合模型可能性的多维积分,并允许扩展的强大的经验三明治估计与关联和回归参数一起使用。该方法适用于一组耳石数据,用于年龄确定的鱼。
2010-08-17 stat.AP stat.ME
The impact of a Hausman pretest on the coverage probability and expected length of confidence intervals
在聚类和纵向数据的分析中,其中包括在聚类之间和聚类内变化的协变量(例如,纵向数据中的时变协变量),Hausman预检验通常用于决定是否使用线性随机截距模型或固定效应模型进行后续推断。我们评估了该预检验对斜率参数的覆盖概率和置信区间的预期长度的影响。我们的研究结果表明,对于应用中常用的Hausman预检验的小显著性水平,该置信区间的最小覆盖概率可以远低于标称值。此外,平均而言,该置信区间的预期长度大于基于具有相同最小覆盖率的固定效应模型的斜率参数的置信区间的预期长度。
2015-06-12 stat.ME