Identifiability and Estimation of Structural Vector Autoregressive Models for Subsampled and Mixed Frequency Time Series
多变量时间序列中的因果推断是具有挑战性的，因为采样率可能没有因果相互作用的时间尺度快。在这种情况下，我们可以将观察到的序列视为所需序列的二次采样版本。此外，由于技术和其他限制，可能会在不同的采样率下观察到序列，这代表了混合频率设置。为了确定时间序列之间的瞬时和滞后效应在真正的因果尺度，我们采取了基于模型的方法，基于结构向量自回归（SVAR）模型。在这种情况下，我们提出了一个统一的框架下的子采样和混合频率的噪声，或冲击，是非高斯的参数可识别性和估计。重要的是，通过研究SVAR的情况下，我们都能够提供可识别性和估计方法的因果结构的滞后和瞬时效应在所需的时间尺度。我们进一步推导出一个精确的期望最大化算法的推理在二次采样和混合频率设置。我们验证我们的方法在模拟场景和两个现实世界的数据集。
2017-04-08 stat.ME
Dual system estimation using mixed effects loglinear models
University of Southampton（南安普顿大学）；Office for National Statistics（英国国家统计局）；Utrecht University（乌得勒支大学）
针对双系统估计中分层变量水平多导致参数过多的问题，提出混合效应对数线性模型，通过模拟验证其均方误差略优于固定效应模型，并扩展至多系统估计。
2026-06-08 stat.ME
Functional Linear Mixed Models for Irregularly or Sparsely Sampled Data
我们提出了一种估计方法来分析相关的功能数据，观察到的不平等的网格，甚至稀疏。我们使用的模型是一个功能线性混合模型，线性混合模型的功能模拟。估计是基于降维通过功能主成分分析和混合模型方法。我们的程序允许数据的变异性的分解，以及感兴趣的平均效应的估计，并借用跨曲线的强度。均值效应的置信带可以在估计的主成分的条件下构建。我们提供R代码来实现我们的方法。该方法的动机，并应用于语音产生研究的数据。
2015-08-07 stat.ME
Functional mixed effects wavelet estimation for spectra of replicated time series
出于频谱分析的复制大脑信号时间序列，我们提出了一个功能混合效应的方法来模拟复制特定的频谱密度作为随机曲线变化的确定性的人口平均频谱。与现有的工作相比，我们不假设复制品特异性光谱曲线是独立的，即在群体中的不同复制品之间可能存在明确的相关性。通过将重复特定曲线投影到正交小波基上，在小波系数域中的等效线性混合效应模型下进行估计和预测。为了应付潜在的非常本地化的功能的谱曲线，我们开发的广义最小二乘估计和非线性小波阈值，包括人口平均曲线的渐近置信集的组合的基础上的估计和预测。我们推导出风险界的非线性小波估计的人口均值曲线，反映了不同的曲线之间的相关性的影响，在复制人口的结果，我们得出的一致性的估计之间和曲线内的相关性结构在一个适当的稀疏类的功能。为了说明建议的功能混合效应模型和我们的估计和预测程序，我们提出了几个模拟时间序列数据的例子，我们分析了一个激励大脑信号数据集记录在联想学习实验。
2016-07-23 stat.ME
logitr: Fast Estimation of Multinomial and Mixed Logit Models with Preference Space and Willingness to Pay Space Utility Parameterizations
本文介绍了logitr R软件包，用于快速极大似然估计的多项logit和混合logit模型与未观察到的异质性，这是通过允许参数随机变化的个人根据选定的分布建模。该软件包比其他类似的软件包，如mlogit，gmnl，mixl和apollo更快，它支持使用“偏好空间”或“支付意愿（WTP）空间”参数指定的效用模型，允许直接估计边际WTP。在混合logit模型中，使用偏好空间模型计算支付意愿后估计的典型过程会导致支付意愿在总体上的不合理分布。本文提供了一个讨论的影响，每个公用事业参数化的支付意愿估计。它还强调了一些设计特性，使logitr的性能评估速度，并包括一个基准测试与类似的包。最后，本文强调了专门为WTP空间模型设计的其他功能，包括用于在任一空间中指定模型的一致用户界面和并行化的多启动优化循环，这对于在使用非凸对数似然函数估计模型时搜索不同局部最小值的解空间特别有用。
2022-10-19 stat.ME
Lasso-type estimators for Semiparametric Nonlinear Mixed-Effects Models Estimation
参数非线性混合效应模型（NLME）现在被广泛地用于生物统计学研究，特别是在药代动力学研究和HIV动力学模型中，这是由于在过去几年中所取得的计算进展。然而，这类模型对于复杂的纵向数据分析可能不够灵活。Ke和Wang（2001）已经提出了半参数NLME（SNLME）。这些模型是一个很好的折衷方案，保留了参数和非参数模型的良好特性，从而使模型比标准参数NLME更灵活。然而，SNPs是复杂的模型，估计仍然是一个挑战。Ke和Wang（2001）提出的估计过程基于用于参数估计的对数似然近似方法和用于非参数估计的平滑样条技术的组合。在这项工作中，我们提出了新的估计策略，在SNARTIVE。一方面，我们使用期望最大化算法的随机逼近版本（Delyon等人，1999）获得固定效应和方差分量的精确ML和REML估计。另一方面，我们提出了一个LASSO型的方法来估计未知的非线性函数。我们推导出这种非参数估计的预言不等式。我们结合这两种方法在一个一般的估计过程中，我们说明模拟和真实的数据。
2012-02-02 stat.ME
Estimation of Dynamic Mixed Double Factors Model in High Dimensional Panel Data
本文的目的是发展面板数据分析中个体数和指标数都很大时的降维技术。我们采用主成分分析（PCA）方法，在因子模型中用少数公因子来代表大量的指标。本文提出了动态混合双因子模型（Dynamic Mixed Double Factor Model，简称DMDFM）来反映因子结构相互作用下的截面和时间序列的相关性。DMDFM不仅降低了指标的维数，而且考虑了时间序列和横截面的混合效应。与其他模型不同的是，混合因子模型有两种类型的公因子。回归因子反映了共同趋势，降低了维数，误差因子反映了个体间的差异和弱相关。蒙特卡罗模拟的结果表明，广义矩量法（GMM）估计具有良好的无偏性和相合性。仿真结果也表明，DMDFM可以有效地提高模型的预测能力。
2017-01-07 stat.ME
Parameter estimation in nonlinear mixed effect models based on ordinary differential equations: an optimal control approach
提出了一种基于常微分方程的非线性混合效应模型（NLME-ODEs）的参数估计方法。这里提出的方法的目的是正则化的估计问题存在的模型误设定，实际的可识别性问题和未知的初始条件。为此，我们将估计量定义为成本函数的最小值，该成本函数包含了在总体水平上假设的模型与特定个体动态之间可能存在的差距。成本函数的计算导致制定和解决最优控制问题的主题水平。这种控制理论的方法允许绕过需要知道或估计每个主题的初始条件，它正则化的估计问题，在存在难以识别的参数。仿真结果表明，与极大似然方法相比，该方法在初始条件未知或参数辨识性差的情况下，无论有无模型误差，都能提高估计精度.我们结束这项工作的实际应用对埃博拉病毒疫苗接种后的抗体浓度数据来自1期试验。我们使用估计的模型差异，在主题水平上分析模型误设的存在。
2021-02-23 stat.ME
Estimating Linear Mixed-effects State Space Model Based on Disturbance Smoothing
本文对线性混合效应状态模型进行了扩展，使其包含相关个体，并研究了其参数和基于干扰平滑的状态估计。对于参数估计，考虑EM和基于分数的算法。首先研究了期望最大化算法的中间量，并对两个给定的模型导出了中间量最大化的显式递推公式。对于基于得分的算法，给出了得分向量的显式表达式，并由此证明了极大似然估计与矩估计的等价性。对于状态估计，我们主张在不假定随机效应事先已知的情况下进行估计，特别是当纵向观测稀疏时。为此，提出了一种核平滑混合卡尔曼滤波算法（MKF-KS）。数值研究进行了调查所提出的算法，验证了所提出的推理方法的有效性。
2014-09-02 stat.ME
Mixed Membership Estimation for Social Networks
在经济学和社会科学中，经常观察网络数据，深入了解网络社区结构有助于理解经济模式和活动。考虑具有$n$节点和$K$社区的无向网络。我们使用度校正混合成员关系（DCMM）模型对网络进行建模，其中对于每个节点$i$，存在成员关系向量$π_i = (π_i(1), π_i(2), \ldots, π_i(K))'$，其中$π_i(k)$是节点$i$在社区$k$，$1 \leq k \leq K$中的权重。与著名的随机块模型（SBM）相比，DCMM允许严重程度的异质性和混合成员，使其更加现实和普遍。我们提出了一种有效的方法，混合评分，估计所有节点的混合隶属度向量和其他DCMM参数。这种方法的灵感来自于在谱域中发现一个精致的单纯形结构。我们推导出明确的错误率的混合评分算法，并证明它是在一个广泛的参数空间的速率最优。我们的研究结果为网络社区分析提供了一种新的统计工具，可用于了解网络形成，提取节点特征，识别二元回归中未观察到的协变量，并估计同伴效应。我们将混合评分应用于政治博客网络，两个贸易网络，合著网络和被引用网络，并获得了可解释的结果。
2022-12-21 stat.ME
Heritability Estimation in Matrix-Variate Mixed models -- A Bayesian Approach
自全基因组关联研究（genome-wide association studies，GWASs）出现以来，线性混合模型方法被广泛应用于单核苷酸多态性（single nucleotide polymorphisms，SNPs）解释的狭义遗传力的估计。与大多数GWAS一样，大多数遗传力分析使用单变量方法进行，即独立考虑每个表型。在本研究中，我们提出了一种贝叶斯矩阵变量混合模型，除了通常通过相关性矩阵建模的个体之间的遗传相关性之外，还考虑了表型之间的遗传相关性。我们发现，当使用所有全基因组SNP估计相关矩阵时，我们的模型相当于效应量上具有矩阵正态先验的矩阵正态回归。使用真实数据，我们证明，当表型联合建模时（增加25-35%），遗传力会有所提高。事实上，基于其标准误，联合建模提供了比单变量建模更准确的遗传力估计。此外，与极大似然方法相比，我们的贝叶斯方法提供了略高的遗传力估计值。另一方面，虽然我们的方法在表型预测中表现不太好，但我们注意到初始插补步骤相对提高了预测准确性。
2015-07-30 stat.ME
On the estimation of variance parameters in non-standard generalised linear mixed models: Application to penalised smoothing
提出了一种新的广义线性混合模型方差参数估计方法。该方法起源于Harville（1977）的工作，但它能够处理具有随机效应向量的精度矩阵的模型，该随机效应向量在方差参数的倒数中是线性的（即，精度参数）。我们称这种方法为SOP（分离重叠精度矩阵）。SOP是基于应用逐次逼近的方法，以易于计算的方差参数的估计更新。这些估计更新具有吸引人的形式：它们是（加权）平方和与有效自由度相关的量的比率。我们提供了这些估计是严格正的充分必要条件。SOP的一个重要应用领域是模型的惩罚回归估计，其中多个二次惩罚作用于相同的回归系数。我们将详细讨论其中两个模型：局部自适应平滑和分层曲线数据的惩罚样条。在这些设置中的几个数据的例子。
2018-06-12 stat.ME
Consistent Estimation in Box-Cox Transformed Linear Mixed Models
将Box-Cox变换应用于线性混合模型，以分析阳性和分组数据。Box-Cox变换的问题是变换参数的极大似然估计一般不一致。为了解决这个问题，我们提出了一个简单的和相合估计量的转换参数的矩方法的基础上。利用相合估计量构造了模型参数的相合估计量，并在一定条件下证明了模型参数的估计在$m\to\infty$下是相合的，其中$m$是组数.此外，在估计（未来）观测值的期望时，由于变换参数的相合估计量，所得估计量也保持相合性。通过仿真将该估计方法与极大似然估计方法进行了比较，结果表明该估计方法优于极大似然估计方法。最后，将该方法应用于一个真实的数据集。
2016-09-06 stat.ME
Estimation, Testing, and Prediction Regions of the Fixed and Random Effects by Solving the Henderson's Mixed Model Equations
本文简要介绍了在传统的简单线性混合模型中，对固定效应的线性函数和/或同时对固定效应和随机效应进行统计推断的方法（检验统计假设、构建置信区间和/或预测区间和区域）。所提出的方法是基于亨德森的混合模型方程的解决方案。
2013-01-04 stat.CO stat.ME
Parsimonious Mixed Models
用混合效应模型分析实验数据需要决定适当的随机效应结构的规格。最近，Barr、Levy、Scheepers和Tily（2013年）建议拟合“最大”模型，其中包括所有可能的随机效应分量。然而，最大模型的估计可能不会收敛。我们发现，通常不收敛是由于一个次优估计算法，但试图适合一个模型，是太复杂的数据支持的结果，无论估计是基于极大似然或贝叶斯分层模型与无信息或弱信息先验。重要的是，即使在收敛下，过度参数化也可能导致无法解释的模型。我们提供了诊断工具，检测overparameterization和指导模型简化。
2018-05-26 stat.ME
Estimation for High-Dimensional Linear Mixed-Effects Models Using $\ell_1$-Penalization
我们提出了一个$\ell_1$惩罚估计程序的高维线性混合效应模型。该模型是有用的，只要有一个分组结构之间的高维观测，即聚类数据。我们证明了一个一致性和一个预言的最优性结果，我们开发了一个算法，可证明的数值收敛。此外，我们证明了模拟和真实的高维数据集上的方法的性能。
2010-11-25 stat.CO stat.ME
Estimation and testing for multiple regulation of multivariate mixed outcomes
最近相当大的兴趣集中在流行病学和基因组研究中同时研究多个表型，以捕获复杂疾病的多维性或了解相关疾病的共同病因。我们试图确定与多个结果相关的{ \em多个调节因子}或预测因子，这些结果可能在非常不同的尺度上测量或由连续的、二元的和未完全观察到的元素的混合物组成。我们首先提出了一种估计技术，把所有的影响相似的尺度，我们诱导稀疏估计的影响。我们提供了标准的渐近结果，这个估计，并表明，restaurant可以用来量化有限样本中的不确定性。最后，我们提供了一个多重检验程序，它可以专门针对感兴趣的多个监管机构的类型，我们建立，在标准的正则条件下，familywise错误率将接近0，样本量发散。仿真结果表明，我们的方法可以改善非正则化方法，无论是在减少估计偏差和提高功率的测试。
2015-11-25 stat.ME
Mixed Models and Shrinkage Estimation for Balanced and Unbalanced Designs
收缩估计，经验贝叶斯和混合效应模型之间的已知连接进行了探讨，并应用于平衡和不平衡的设计，其中的响应是相关的。作为一个例子，一个混合模型提出了预测结果的英超联赛，考虑到主客场球队的影响。从拟合混合线性模型获得的经验最佳线性无偏预测的基础上的结果进行比较，充分利用先验信息从上一个赛季的贝叶斯预测。
2021-11-04 stat.AP stat.CO stat.ME
Variance for Estimation and Prediction in Linear Mixed Effects Models Under MAR
研究线性混合效应模型在 MAR 机制下固定效应推断方法的不足，提出新的渐近方差估计器和小样本偏差校正估计器，以量化估计和预测的不确定性，经理论验证和数值示例证明了方法的有效性。
2026-07-28 stat.ME
Flexible Regularized Estimation in High-Dimensional Mixed Membership Models
提出一种高维连续数据混合成员模型的概率框架，通过多元特征近似和收缩先验实现可扩展性，建立条件弱后验一致性，并在自闭症和乳腺癌数据上验证其优势。
2023-10-21 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
Selection and Estimation for Mixed Graphical Models
我们考虑的问题，估计的参数在一个成对的图形模型中，每个节点的分布，在其他的条件下，可能有一个不同的参数形式。特别地，我们假设每个节点的条件分布是指数族。我们确定了一个定义良好的联合密度的存在所需的参数空间上的限制，并建立了一致性的邻域选择方法的图形重建在高维时，真正的底层图形是稀疏的。受我们的理论结果的启发，我们调查节点之间的边缘的选择，其条件分布采取不同的参数形式，并表明，如果从特定节点的回归得到的边缘估计被用来重建图，可以获得效率。这些结果与高斯，伯努利，泊松和指数分布的例子说明。我们的理论研究结果证实了模拟研究的证据。
2014-08-01 stat.ME
Discovery of Critical Thresholds in Mixed Exposures and Estimation of Policy Intervention Effects using Targeted Learning
针对多重化学暴露毒性放大的问题，提出一种数据自适应估计框架，可同时发现最优暴露阈值并估计政策干预效应，经模拟验证并在NHANES数据中成功识别出对端粒长度有害的金属暴露。
2024-06-28 stat.ME
Estimation of extended mixed models using latent classes and latent processes: the R package lcmm
R包lcmm提供了一系列函数来估计基于线性混合模型理论的统计模型。它包括高斯纵向结局（hlme）、曲线和有序单变量纵向结局（lcmm）和曲线多变量结局（multlcmm）的混合模型和潜在类混合模型的估计，以及（高斯或曲线）纵向结局和可能左截尾右删失并在竞争环境中定义的至事件时间的联合潜在类混合模型（Jointlcmm）的估计。极大似然估计器使用修改的Marquardt算法获得严格的收敛准则的基础上的参数和似然稳定性，和负的二阶导数。该软件包还提供各种拟合后功能，包括拟合优度分析、分类、绘图、预测轨迹、事件的个体动态预测和预测准确性评估。本文构成了配套文件包通过介绍每个家庭的模型，估计技术，一些实施细节，并通过一个数据集的认知老化的例子。
2016-01-24 stat.CO stat.ME
Semiparametric Discovery and Estimation of Interaction in Mixed Exposures using Stochastic Interventions
本文提出InterXshift方法，利用随机位移干预和集成机器学习，以非参数方式发现并高效估计混合暴露中的交互效应，并通过模拟和实际数据验证了其有效性。
2024-06-28 stat.ME
Bayesian bandwidth estimation for a nonparametric functional regression model with mixed types of regressors and unknown error density
在误差密度未知的框架下，研究了具有函数值、连续实值和离散值回归变量的非参数函数回归模型的带宽估计问题.从Shang（2013，Computational Statistics & Data Analysis）的最近工作扩展，我们通过残差的核密度估计来近似未知误差密度，其中回归函数由允许混合类型回归变量的函数Nadaraya-Watson估计器估计。在核形式误差密度下，推导了带宽参数的核似然和后验密度，提出了一种同时估计带宽的贝叶斯带宽估计方法。仿真研究表明，所提出的贝叶斯方法的回归函数和误差密度的估计精度。以食品质量控制中的光谱数据集为例，我们应用贝叶斯方法来选择具有混合类型回归变量的非参数函数回归模型中的最佳带宽。
2014-03-08 stat.CO stat.ME
A New Count Model Generated from Mixed Poisson Transmuted Exponential Family with an application to Health Care Data
本文引入了一种新的混合泊松分布。该分布是利用混合过程得到的，其中泊松分布为混合分布，嬗变指数分布为混合分布。研究了该模型的单峰性、矩、过色散、泰勒级数展开等分布性质。利用矩量法、矩量法和比例法以及极大似然估计对参数进行估计，并通过数据拟合实验，说明其优于现有的一些分布。此外，精算应用的背景下，总索赔分配进行了讨论。最后，我们讨论了一个计数回归模型的基础上提出的分布和它的有用性，一些建立良好的模型。
2015-09-18 stat.ME
Approximate inferences for nonlinear mixed effects models with scale mixtures of skew-normal distributions
近年来，非线性混合效应模型在统计学文献中受到了极大的关注，因为它们在处理纵向研究中具有灵活性，包括人类免疫缺陷病毒的病毒动力学、药代动力学分析以及生长和衰减研究。连续响应的非线性混合效应模型中的一个标准假设是随机效应和受试者内误差呈正态分布，这使得模型对离群值敏感。本文提出了一类新的非对称非线性混合效应模型，该模型在纵向数据的分析中提供了有效的参数估计。我们假设随机效应服从偏正态分布的多变量尺度混合，随机误差服从正态分布的对称尺度混合，这为通常的正态分布提供了一个有吸引力的稳健替代方案。我们提出了一个近似的方法极大似然估计的基础上EM型算法，产生近似的最大似然估计，并显着减少了数值困难与精确的极大似然估计。还简要讨论了这类分布下的未来响应预测技术。通过茶碱动力学数据的应用程序，并通过一些模拟研究的方法进行说明。
2020-07-29 stat.ME
Tensor Mixed Effects Model with Applications in Nanomanufacturing Inspection
拉曼映射技术已被用于执行在线质量检测的纳米制造过程。在这样的应用中，产生具有混合效果的大量高维拉曼映射数据。通常，多阵列拉曼数据中的固定效应和随机效应与不同的质量特征（如制造一致性、均匀性、缺陷等）相关，现有的张量分解方法无法分离混合效应，现有的混合效应模型只能处理矩阵数据，不能处理高维多阵列数据。本文提出了一种张量混合效应（TME）模型来分析具有复杂结构的海量高维拉曼映射数据。提出的TME模型可以（i）在张量域中分离固定效应和随机效应;（ii）探索沿不同维度的相关性;（iii）通过提出的迭代双触发器算法实现高效的参数估计。我们还研究了TME模型的性质，参数估计的存在性和可辨识性。数值分析表明了TME模型中参数估计的有效性和准确性。在模拟和替代数据分析中讨论了算法的收敛性和渐近性。案例研究显示了TME模型在量化碳纳米管巴克纸上的取向影响方面的应用。此外，TME模型可以应用于为具有混合效应的一系列张量数据分析问题提供潜在的解决方案。
2019-03-06 stat.ME
Uncertainty Estimation in Functional Linear Models
函数数据分析在许多科学应用中被证明是有用的。物理过程被观察为曲线，并且通常由于多个受试者而观察到多个曲线，从而提供统计意义上的重复。最近的文献发展了几种技术，用于记录曲线和相关的模型估计。然而，很少有研究统计推断，特别是不确定性估计。在这篇文章中，我们考虑函数线性混合建模方法来组合几个曲线。当使用泛函线性混合模型进行预测时，我们集中测量不确定度。虽然测量的不确定性是最重要的兴趣在任何统计预测，有没有封闭的形式表达功能混合效应模型。在许多实际应用中，只能观察到有限数量的曲线。在这种情况下，重要的是要评估任何有效的统计报表的错误率。我们推导出理论上有效的近似的不确定性测量是合适的，随着修改后的估计技术。我们通过数值例子说明我们的方法，并与其他现有文献进行适当的比较。我们的方法是计算简单，往往优于其他方法。
2018-01-29 stat.ME
Regularized Parameter Estimation in Mixed Model Trace Regression
提出混合模型迹回归MMTR，结合lasso、低秩Kronecker协方差结构与group lasso秩选择，并通过稳定EM算法估计参数，在模拟和图像数据上表现优异。
2025-03-18 stat.CO stat.ME
latentcor: An R Package for estimating latent correlations from mixed data types
我们提出了'latentcor'，一个R包的相关性估计数据与混合变量类型。混合变量类型，包括连续、二进制、有序、零膨胀或截断数据，在许多科学领域都是常规收集的。准确估计这些变量之间的相关性通常是统计分析工作流程中的第一个关键步骤。Pearson相关性作为默认选择不适合混合数据类型，因为违反了基本的正态性假设。另一方面，半参数潜在高斯copula模型的概念提供了一种统一的方法来估计混合数据类型之间的相关性。R包'latentcor'包含这些模型的全面列表，能够估计任何连续/二进制/三进制/零膨胀（截断）变量类型之间的相关性。底层实现利用快速多线性插值方案，有效选择插值网格点，从而使封装占用较小的内存，而不会影响估计精度。这使得潜在的相关性估计很容易用于现代高通量数据分析。
2021-08-20 stat.CO stat.ME
Riemannian Optimization for Variance Estimation in Linear Mixed Models
University of Trier（特里尔大学）
线性混合模型中随机效应协方差阵的正定性约束使得许多经典的非线性优化算法难以参数估计。我们采取了一个全新的观点，在线性混合模型的参数估计，利用内在的几何参数空间。我们将残差极大似然估计问题表示为黎曼流形上的优化问题。在此基础上，通过黎曼梯度和黎曼海森矩阵给出了问题的几何高阶信息。在此基础上，我们测试我们的方法与黎曼优化算法数值。与现有方法相比，我们的方法产生了更高质量的方差参数估计。
2022-12-18 cs.LG stat.CO stat.ME
Mixed-type multivariate response regression with covariance estimation
当响应向量的元素是混合类型的，例如一些连续的和一些离散的，我们提出了一种新的方法，用于多变量响应回归和协方差估计。我们的方法是基于一个模型，假设可观察的混合型响应向量是连接到一个潜在的多元正态响应线性回归通过一个链接函数。我们探讨了该模型的性质，并表明其参数是可识别的合理条件下。我们不施加任何参数限制的协方差的潜正常比其他的正定性，从而避免假设不可观察的变量，这可能是难以验证的实践。为了适应这种普遍性，我们提出了一种新的算法近似极大似然估计，工程"现成的"与许多不同的组合的响应类型，以及规模的响应向量的维度。我们的方法通常给出更好的预测和参数估计比拟合不同的响应类型的单独的模型，并允许近似似然比测试的相关假设，如响应的独立性。所提出的方法的实用性说明在模拟和一个生物医学和一个基因组数据的例子。
2022-03-03 stat.CO stat.ME
Variance Estimation and Confidence Intervals from High-dimensional Genome-wide Association Studies Through Misspecified Mixed Model Analysis
我们研究了全基因组关联研究（GWAS）误指定混合模型分析的遗传效应特征参数的方差估计和相关置信区间。以往的研究表明，尽管模型误指定，某些数量的遗传利益是可估计的，这些数量的相合估计量，可以得到使用限制极大似然（REML）方法下误指定的线性混合模型。然而，这样的REML估计的渐近方差是复杂的，并没有准备好被实现为实际使用。在本文中，我们开发了实用和计算方便的方法来估计这样的渐近方差和构建相关的置信区间。基于蒙特卡罗模拟和实际数据应用，对所提出的方法的性能进行了经验评估。
2021-01-17 math.ST stat.ME stat.TH
An Early Stopping Bayesian Data Assimilation Approach for Mixed-Logit Estimation
混合logit模型是一种灵活的工具，在交通选择分析，它提供了有价值的见解之间和个体内的行为异质性。然而，混合logit模型的应用受到模型估计的高计算和数据要求的限制。当估计小样本时，贝叶斯估计方法容易受到过度拟合和欠拟合的影响。这对于调查特定人口亚群体或数据可用性低的细分市场的行为是有问题的。当将现有模型转移到新的位置或时间段时，也会出现类似的挑战，例如，在估计大流行后的旅行行为时。我们提出了一个早期停止贝叶斯数据同化（ESBDA）模拟器估计混合logit结合了贝叶斯统计方法与机器学习方法。其目的是提高混合logit模型的可转移性，并使稳健的选择模型的估计与低数据可用性。这种方法可以提供新的见解选择行为的传统估计的混合logit模型是不可能的，由于低数据可用性，并开辟了新的机会，投资和规划决策支持。ESBDA估计量是针对直接应用方法进行基准测试的，这是一种具有随机起始参数值的基本贝叶斯模拟器和一种没有提前停止的贝叶斯数据同化（BDA）模拟器。ESBDA方法被发现可以有效地克服模拟中的欠拟合和过拟合以及不收敛问题。其产生的模型在预测准确性方面明显优于参考模拟器。此外，用ESBDA估计的模型往往更稳健，即使在小样本估计时，其符号和数值与行为理论一致的重要参数也是如此。
2021-01-27 cs.DM stat.CO stat.ME
Parameter Estimation for the Mixed Fractional Merton Jump Diffusion Model with EM Algorithm
Department of Mathematics and Statistics, School of Technology and Innovations, University of Vaasa（瓦萨大学技术与创新学院数学与统计系）
本文提出一种结合Metropolis-Hastings采样的EM算法，用于混合分数Merton跳跃扩散模型的参数估计，该模型结合分数布朗运动与复合泊松跳跃过程，捕捉金融时间序列的长记忆性和跳跃行为，并在OMXH25指数上验证了其可靠性和计算效率。
2026-09-18 math.PR stat.ME
The Mixed-Sparse-Smooth-Model Toolbox (MSSM): Efficient Estimation and Selection of Large Multi-Level Statistical Models
本文提出 MSSM 工具箱，通过仅依赖对数似然梯度与 Hessian 的高效框架及 L-qEFS 近似算法，实现大规模多层混合稀疏平滑模型的估计与选择。
2025-06-16 stat.AP stat.ME
Density estimation with atoms, and functional estimation for mixed discrete-continuous data
针对混合离散-连续数据下经典密度估计方法理论不一致、实际表现差的问题，提出基于“单次观测属连续成分、重复观测属离散成分”的包装器式修改方案，在无额外假设下提升估计一致性与鲁棒性。
2025-08-03 stat.ME stat.ML
Practical Estimation of High Dimensional Stochastic Differential Mixed-Effects Models
随机微分方程（SDEs）是建立模型的工具，其动力学受随机噪声的影响的物理现象。通过估计一个随机变量的参数，可以识别系统在其漂移周围的内在随机性，并将其与漂移本身分离。当它是一个给定的人口内的动态模型的兴趣，即同时模拟几个实验或科目的性能，混合效应建模允许之间的区别和实验内的变异性。提出了一个框架，人口内的动态模型使用SDES，同时代表几个来源的变化：实验之间的变异性使用混合效应的方法和随机性在个人动态使用SDES。这些“随机微分混合效应模型”在例如药代动力学/药效学和生物医学建模中有应用。提出了一种参数估计方法，并给出了有效实现的计算准则。最后，该方法进行了评估，使用模拟从标准的模型，如二维Ornstein-Uhlenbeck（ORM）和平方根模型。
2010-10-03 math.DS stat.CO stat.ME
Nonparametric covariance estimation for mixed longitudinal studies, with applications in midlife women's health
在混合纵向研究中，一组受试者在不同年龄进入研究（横断面），并连续几年（纵向）进行随访。在这样的研究背景下，我们考虑非参数协方差估计与噪声和部分观察到的功能轨迹的样本。该算法是基于一个非迭代的顺序聚合计划，只有基本的矩阵运算和封闭形式的解决方案，在每一步。理论和数值实验都证明了该方法的有效性。我们还提出了一个程序的中年妇女的工作记忆的研究，根据全国妇女健康研究（SWAN）的数据。
2020-12-01 math.ST stat.AP stat.CO
Simultaneous inference for linear mixed model parameters with an application to small area estimation
在过去的几十年里，线性混合模型在应用统计学的各个领域都引起了相当大的关注。它们在研究聚类、层次或纵向数据时很受欢迎。尽管如此，有效的同时推断混合参数的统计工具是罕见的。这是令人惊讶的，因为一个经常面临的推理问题以外的逐点检查固定或混合参数。例如，在重复测量的研究中，有兴趣对聚类水平的参数或特定主题的估计值进行比较分析。我们讨论的方法，同时推断假设一个线性混合模型。具体来说，我们开发的同时预测区间以及混合参数的多重检验程序。它们对于集群级参数的联合考虑或比较是有用的。我们采用一致的bootstrap近似的分布的最大型统计量来构建我们的工具。在模拟实验中研究了所开发的方法的数值性能，并在小面积家庭收入的数据示例中进行了说明。
2021-09-16 stat.AP stat.CO stat.ME
Penalized Copula Mixed Models for Intercompany Loss Reserving and Risk Capital
McMaster University（麦克马斯特大学）
该研究针对公司间损失准备金问题，提出惩罚性Copula混合模型，结合混合效应边际模型与特定公司Copula依赖参数，经迭代两阶段程序估计，用改进自助程序获预测分布，实验表明其能稳定分解未付损失、降低预测变异性并减少风险资本。
2026-07-17 stat.AP stat.ME
Restricted maximum likelihood estimation in generalized linear mixed models
本文综述广义线性混合模型中四类REML估计扩展，通过二值与计数数据实验表明它们均能有效降低方差分量的有限样本偏差且表现相近。
2025-05-14 math.ST stat.ME stat.TH
Sample Size Estimation using a Latent Variable Model for Mixed Outcome Co-Primary, Multiple Primary and Composite Endpoints
混合结局终点结合多个连续和离散组分，形成共同主要、多个主要或复合终点，通常用作临床试验的主要结局指标。使用潜变量框架对个体结果进行联合建模有许多优点，但是为了在实践中利用模型，我们需要样本量估计技术。在本文中，我们展示了如何潜变量模型可以应用于三种类型的联合终点，并提出适当的假设，权力和样本量估计方法。我们使用一个基于MUSE试验中四维终点的数值示例来说明该技术，并发现协同主要终点所需的样本量大于效应量最小的单个终点所需的样本量。相反，多个主要终点所需的样本量从具有最大效应量的个体结局所需的样本量减少。我们表明，分析技术同意从模拟研究的经验力量。我们通过模拟研究进一步说明了在混合结局复合终点试验中可能实现的所需样本量的减少，并发现样本量主要取决于驱动响应和相关性结构的组分，而较少取决于个体终点中的处理效应结构。
2019-12-11 stat.AP stat.ME
Estimation, Confidence Intervals, and Large-Scale Hypotheses Testing for High-Dimensional Mixed Linear Regression
研究了高维混合线性回归模型，其中输出变量来自两个线性回归模型之一，且混合比例未知，随机协变量的协方差结构未知.基于一个高维的期望最大化算法，我们提出了一个迭代过程来估计两个回归向量，并建立其收敛速度。基于迭代估计，我们进一步构造了去偏估计，并证明了它们的渐近正态性。对于单个坐标，构造以去偏估计量为中心的置信区间。此外，提出了一个大规模的多重检验程序来检验的回归系数，并示出控制的错误发现率（FDR）渐近。仿真研究进行了检查所提出的方法的数值性能和现有的方法相比，其优越性。所提出的方法进一步说明，通过分析的数据集的多重图像细胞仪，其中调查的细胞表型，包括20个表位或标记物的组合的表达水平之间的相互作用网络。
2020-11-06 stat.ME stat.ML
Estimation of group means in generalized linear mixed models
在这篇手稿中，我们研究了治疗组平均值的平均响应的概念，以及具有受试者随机效应的广义线性模型的估计和预测。广义线性模型常用于分析分类数据。治疗组的基于模型的均值通常估计平均协变量的响应。然而，在临床试验背景下，研究人群治疗组的平均缓解至少同样重要。提出了新的方法来估计广义线性模型中的平均响应;然而，这仅在模型中没有随机效应时才能做到。我们认为，在广义线性混合模型（GLMM）中，至少有两种可能的治疗组平均应答定义可作为估计/预测目标。这些治疗组平均值的估计对于医疗保健专业人员能够理解绝对获益与风险非常重要。对于这两个治疗组的平均值，我们提出了一组新的方法，建议如何估计/预测他们在一个单变量的受试者随机效应的GLMM模型。我们的方法还提出了一种简单的方法来构建相应的置信区间和预测区间的两个可能的治疗组的手段。仿真结果表明，在大多数情况下，建议的置信区间和预测区间提供正确的经验覆盖概率。所提出的方法也已应用于分析糖尿病临床试验的低血糖数据。
2019-11-02 stat.AP stat.ME
Stochastic EM Estimation and Inference for Zero-Inflated Beta-Binomial Mixed Models for Longitudinal Count Data
IE University（IE大学）
本文提出了一种零膨胀贝塔-二项混合模型，用于处理纵向计数数据中的过度分散和零膨胀问题，通过随机近似EM算法实现高效估计，并通过案例研究验证了其在小样本情况下的优越性。
2026-02-09 math.ST stat.ME stat.TH
Spectral estimation of the Lévy density in partially observed affine models
研究了部分可观测的多维仿射过程的Lévy密度估计问题。估计方法基于仿射过程的条件特征函数的对数仿射表示和时间上的局部线性平滑。我们得到几乎肯定的一致收敛速度的估计Lévy密度在混合频率和低频设置，并证明这些速度是最佳的极大极小意义。最后，在Bates随机波动率模型的情况下，说明了估计算法的性能。
2011-02-15 stat.AP stat.ME
Multilevel mixed effects parametric survival analysis: Estimation, simulation and application
在这篇文章中，我介绍了用户编写的stmixed命令，用于拟合多级生存模型，它既是Stata官方mestreg的替代品，也是一个具有大量扩展的免费程序。stmixed可以拟合具有任意数量水平和每个水平的随机效应的多水平生存模型，包括灵活的基于样条的方法（如Royston-Parmar和对数危险当量）或用户定义的危险模型。可以包括简单或复杂的时间依赖性效应，以及增加相对生存模型的预期死亡率。可以使用左截断/延迟输入，并提供t分布随机效应作为高斯随机效应的替代方案。这些方法用患有复发性感染的肾病患者的常用数据集和模拟示例来说明，该模拟示例说明了使用survsim模拟聚类生存数据的简单方法（Crowther和Lambert 2012，2013）。stmixed是梅林家族的一部分（Crowther 2017，2018）。
2019-07-02 stat.CO stat.ME
Dynamic Co-Expression Network Estimation via Multivariate Mixed-Effects Models
Northwestern University（西北大学）；University of Minnesota（明尼苏达大学）
提出一种通过混合效应模型和惩罚算法估计动态共表达网络的方法，在均方误差和平均绝对误差上优于现有方法，并应用于CARDIA研究分析蛋白质共表达网络的时间演化。
2026-05-28 stat.CO stat.ME
Conditional Mutual Information Estimation for Mixed Discrete and Continuous Variables with Nearest Neighbors
公共卫生、公共政策和社会科学等领域通常希望量化变量之间的依赖程度，这些变量之间的关系采用未知的函数形式。事实上，这些领域的研究人员通常试图评估因果理论，因此希望在对其他可能解释、调解或混淆因果关系的变量进行调节后，量化依赖性。条件互信息没有更广泛地用于这些任务的一个原因是缺乏可以处理连续和离散随机变量的组合的估计器，这在应用中是常见的。本文提出了一种新的方法来估计互信息和条件互信息的数据样本包含离散和连续变量的混合。我们证明了这种估计是一致的，并通过模拟显示，它是更准确的比类似的估计。
2019-12-06 math.ST stat.ME stat.TH
stLMM: Bayesian Spatial and Space-Time Linear Mixed Models for Small-Area Ecological Estimation
Department of Forestry, Michigan State University（密歇根州立大学林学院）；Department of Statistics and Probability, Michigan State University（密歇根州立大学统计与概率学院）
研究为小区域生态估计开发stLMM包，有多种潜在效应公式接口，采用共享稀疏精度实现，给出从模型拟合到预测等的后验抽样工作流程，以华盛顿县生物量示例展示。
2026-07-07 stat.CO stat.ME
Estimation and Inference for Very Large Linear Mixed Effects Models
具有较大不平衡交叉随机效应结构的线性混合模型给极大似然估计和贝叶斯分析带来了严重的计算问题。当存在N个观测时，成本可以像$N^{3/2}$一样快速增长。这种问题出现在基本因素满足多对多关系（而不是嵌套关系）的任何环境中，并且在电子商务应用中，N可以相当大。不考虑相关性结构的方法可能会大大低估不确定性。我们提出了一种矩方法，考虑到相关结构，可以在O（N）的成本计算。矩量法是非常适合并行计算，它不需要参数分布假设，调整参数或收敛诊断。对于回归系数，我们给出了相合性和渐近正态性的条件以及相合的方差估计。对于方差分量，我们给出了相容性条件，并使用了一个适度保守的方差估计的相合估计。所有这些计算都可以在O（N）工作中完成。我们用Stitch Fix中的一些数据来说明该算法，其中交叉的随机效应对应于客户端和项目。
2017-05-26 stat.AP stat.CO stat.ME
