Logistic Regression Model for Differentially-Private Matrix Masked Data
School of Mathematics and Statistics, University of Sydney(悉尼大学数学与统计学院);Department of Mathematics, Northeastern University(东北大学数学系);Health Informatics Institute University of South Florida(南佛罗里达大学健康信息学研究所)
本文提出了一种在差分隐私矩阵掩码数据下有效进行逻辑回归统计分析的方法,通过理论分析和实验验证其有效性。
2026-02-23 stat.ME
Elements of estimation theory for causal effects in the presence of network interference
在医疗保健、经济学、社会科学和信息科学中,一个单元的治疗会影响其他单元的结果的随机实验变得越来越普遍。从因果推断的角度来看,没有干扰的典型假设在这样的实验中变得站不住脚。然而,在许多问题中,干扰模式可以通过观察分析单元之间的网络连接来获知。在这里,我们开发的因果效应的最优估计理论的元素,利用观察到的网络,通过假设一个人的潜在结果只取决于个人的治疗和邻居的治疗。我们提出了一个排除限制的潜在结果的集合,并显示这些限制的子集如何导致各种参数化。考虑类的线性无偏估计量的平均直接处理效应,我们推导出的设计条件,导致存在的无偏估计量,并提供分析的见解的权重,导致最小综合方差估计。我们说明了这些估计的改进性能相比,更标准的有偏和无偏估计量,使用模拟。
2017-02-12 stat.ME
Efficient and robust methods for causally interpretable meta-analysis: transporting inferences from multiple randomized trials to a target population
我们提出了因果关系可解释的荟萃分析方法,结合多个随机试验的信息,以估计潜在的(反事实)结果的手段和目标人群的平均处理效应。我们认为可识别性条件,推导出的条件的影响,观察到的数据的法律,并获得识别结果运输因果推断从一组独立的随机试验,一个新的目标人群中,实验数据可能无法使用。我们提出了一个估计的潜在(反事实)的结果平均在目标人群下的每一个治疗研究的试验。估计量使用来自试验集合的协变量、治疗和结果数据,但仅使用来自目标人群样本的协变量数据。我们表明,它是双重强大的,在这个意义上说,它是一致的,渐近正常时,它依赖的模型中的至少一个是正确指定的。我们在模拟研究中研究了估计量的有限样本性质,并使用多中心随机试验的数据演示了其实现。
2022-02-05 stat.AP stat.ME
Multiple Observers Ranked Set Samples for Shrinkage Estimators
分级集抽样(RSS)被用作一种强大的数据收集技术,用于测量研究变量需要昂贵和/或繁琐的过程的情况,而抽样单元可以容易地分级(例如,骨质疏松症研究)。本文针对线性回归、随机约束回归和逻辑斯谛回归的系数估计中的共线性问题,提出了多观测站RSS数据下岭型和Liu型收缩估计.通过广泛的数值研究,我们表明,收缩方法与多观察员RSS的结果更有效的系数估计。开发的方法,最后应用到骨矿物质数据分析的骨疾病状态的妇女年龄在50岁及以上。
2021-10-15 math.ST stat.CO stat.ME
Towards causally interpretable meta-analysis: transporting inferences from multiple studies to a target population
我们通过描述将因果推断从一组随机试验转移到一个新的目标人群、一次一项试验和合并所有试验的方法,逐步走向因果可解释的荟萃分析。我们讨论了目标人群中平均处理效应的可识别性条件,并提供了识别结果。我们发现,假设推论是运输从所有的试验中收集到相同的目标人群的法律所观察到的数据的影响。我们提出了依赖于不同工作模型的平均处理效应估计,并提供了在统计软件中实现的代码。我们讨论了如何使用的数据来检查是否运输的推论是均匀的收集试验,素描的敏感性分析违反可识别性条件的方法,并描述扩展,以解决不遵守的试验。最后,我们使用HALT-C多中心试验的数据来说明所提出的方法。
2020-02-08 stat.ME
Solution of linear ill-posed problems by model selection and aggregation
我们考虑一个一般的统计线性逆问题,其中的解决方案是通过一个已知的(可能是过完备的)字典,允许其稀疏表示。我们提出了两种不同的方法。模型选择估计量通过最小化所有可能模型的惩罚经验风险来选择单个模型。与直接问题相比,惩罚取决于模型本身,而不仅仅是复杂性惩罚。一个Q-聚集估计量在整个估计量集合上取平均,并适当选择权重。在较弱的字典条件下,我们建立了这两个估计量的高概率期望预言不等式。此外,对于后者估计这些不等式是尖锐的。所提出的程序实现数值模拟研究和评估其性能。
2017-10-30 math.ST stat.ME stat.TH
A Two-Stage Method for Extending Inferences from a Collection of Trials
提出一种两阶段加权方法,从多项随机对照试验扩展推断,在条件平均治疗效应存在研究间异质性时,获得目标总体中因果可解释的平均治疗效应估计值。
2023-09-07 stat.ME
Combining Observational and Experimental Datasets Using Shrinkage Estimators
我们考虑的问题相结合的数据从观测和实验来源,使因果关系的结论。这个问题越来越重要,因为现代已经在电子商务和电子健康等领域被动收集了大量观测数据集。这些数据可以用来补充实验数据,这往往是昂贵的获得。在Rosenman等人(2018)中,我们在假设测量了所有混杂因素的情况下考虑了这个问题。在这里,我们放松了不混淆的假设。为了获得具有理想性质的组合估计,我们利用Stein收缩文献的结果。我们的贡献是三方面的。首先,我们提出了一个通用的程序,在这种情况下,利用广义无偏风险估计的收缩估计。其次,我们开发了两个新的估计,证明有限样本条件下,他们有较低的风险比估计只使用实验数据,并表明,每个实现的概念渐近最优。第三,我们在敏感性分析中将我们的方法和结果联系起来,包括提出一种评估我们估计的可行性的方法。
2020-05-18 math.ST stat.ME stat.TH
Estimating the Random Effect in Big Data Mixed Models
我们考虑了高维高斯线性混合模型中的三个问题。在不对固定效应设计作任何假设的情况下,我们构造了一个渐近$F$ -统计量来检验随机效应的集合是否为零,推导了单个随机效应在参数率$\sqrt{n}$下的渐近置信区间,并提出了ANOVA型模型中部分均值向量的经验贝叶斯估计,它的渐近性能与oracle贝叶斯估计一样好.我们支持我们的结果与数值模拟,并提供与Oracle估计比较。开发的程序适用于国际数学和科学研究(TIMSS)的数据趋势。
2019-07-27 math.ST stat.ME stat.TH
Online Debiasing for Adaptively Collected High-dimensional Data with Applications to Time Series Analysis
Massachusetts Institute of Technology(麻省理工学院);University of Southern California(南加州大学)
数据的自适应收集在整个科学和工程应用中是常见的。然而,从统计推断的角度来看,自适应数据收集在样本中引入记忆和相关性,并提出了重大挑战。我们考虑高维线性回归,其中样本是自适应收集的,样本量$n$可以小于协变量的数量$p$。在这种情况下,有两个不同的偏差来源:第一个是由于一致估计所施加的正则化,例如使用LASSO,第二个是由于收集样本的自适应性。我们提出了“在线去偏”,如LASSO,它解决了两个来源的偏见估计的一般程序。在两个具体的$(i)$时间序列分析和$(ii)$批量数据收集的情况下,我们证明了在线去偏最佳去偏LASSO估计时的基本参数$θ_0$具有稀疏的顺序$o(\sqrt{n}/\log p)$。在这种情况下,可以使用去偏估计量来计算最佳大小的$p$值和置信区间。
2020-05-05 cs.LG math.ST stat.ME
Nonparametric estimation for a stochastic volatility model
考虑离散时间观测(X_{\ellδ})_{1 \leq \ell \leq n+1} $ of the process $ × $ satisfying $ dX_t= \sqrt{V_t} dB_t $, with $ V_t $ a one-dimensional positive diffusion process independent of the Brownian motion $ B $. For both the drift and the diffusion coefficient of the unobserved diffusion $ V$,我们提出了非参数最小二乘估计,并给出了它们的风险界.估计器是在属于有限维空间的函数集合中选择的,该有限维空间的维度由数据驱动过程选择。在模拟数据上的实现说明了该方法的工作原理。
2007-12-21 math.ST stat.ME stat.TH
COBRA: A Combined Regression Strategy
介绍了一种组合回归函数的多个初始估计的新方法。我们不是在基本估计量$r_1,\dots,r_M$的集合上构建线性或凸优化组合,而是将它们用作训练数据和测试观察之间的接近度的集体指标。这种局部距离方法是无模型的,并且非常快。更具体地说,所得到的非参数/非线性组合估计渐近执行至少以及在$L^2$意义上的最佳组合的基本估计在集体。提供了一个名为\cobra(代表ComBined Regression Alternative)的配套R包(可在\url{http://cran.r-project.org/web/packages/COBRA/index.html}上下载)。大量的数值证据提供了合成和真实的数据集,以评估我们的方法在各种各样的预测问题的优异性能和速度。
2019-05-23 math.ST stat.ME stat.TH
Nearest neighbor ratio imputation with incomplete multi-nomial outcome in survey sampling
无应答是调查抽样中常见的问题。适当的处理可能具有挑战性,特别是在处理总额的详细细目时。通常,最近邻插补方法用于处理此类不完整的多项式数据。本文研究了最近邻比插补估计,该估计利用辅助变量识别最近邻的捐赠者,并将捐赠者的比例向量应用于接受者的总和,实现比插补。为了估计渐近方差,我们首先将最近邻比填补作为预测匹配填补的特殊情况,并应用\cite{yang2020asymptotic}的线性化方法。考虑到不可忽略的抽样比,参数和广义可加模型被用来纳入插补估计的平滑性,这导致一个有效的方差估计。我们应用所提出的方法来估计支出细节项目的基础上,从2018年收集的经验数据的服务年度调查,由美国人口普查局进行。我们的仿真结果证明了我们提出的估计的有效性,也证实了派生的方差估计具有良好的性能,即使在抽样比是不可忽略的。
2022-02-23 stat.AP stat.ME
Sensitivity analysis for inverse probability weighting estimators via the percentile bootstrap
为了确定缺失数据问题和观察性研究中的被估量,通常将统计估计建立在“随机缺失“和“无未测量混杂因素”假设的基础上。然而,这些假设是无法验证的经验数据,并构成严重威胁的有效性定性结论的统计推断。敏感性分析询问如果无法验证的假设在一定程度上被违反,结论可能如何改变。在本文中,我们考虑了一个边际敏感性模型,这是一个自然的延伸Rosenbaum的敏感性模型,被广泛用于匹配的观察性研究。我们的目标是构建基于逆概率加权估计的置信区间,使得当数据生成分布在边际敏感性模型的集合中时,该区间渐近地至少具有被估量的名义覆盖。我们使用一个百分位自助和广义极大极小/极大极小不等式,将这个棘手的问题转化为一个线性分式规划问题,可以非常有效地解决。我们说明了我们的方法,使用一个真实的数据集来估计的因果关系的影响,鱼类消费对血液中的汞水平。
2018-10-08 math.ST stat.ME stat.TH
Optimal Study Design for Reducing Variances of Coefficient Estimators in Change-Point Models
在纵向研究中,我们观察在不同时间点对相同变量的测量,以跟踪其模式随时间的变化。在这类研究中,数据收集波的时间安排(即参与者访问的时间)通常是预先确定的,以便于项目管理和合规。因此,通常将这些访问安排在等间隔的时间间隔。然而,最近的出版物的基础上模拟实验表明,研究的力量和模型参数估计的精度与参与者的访问计划。在本文中,我们考虑了纵向研究,调查疾病结果的变化模式(例如,老年人的认知能力加速下降)。这类研究通常采用断棒模型进行分析,该模型由两段线性模型组成,在一个未知的变点处连接。我们将这个设计问题转化为一个高维优化问题,并推导出其解析解。基于这个解决方案,我们提出了一个最佳设计的访问计划,最大限度地提高功率(即减少方差的估计),以确定发病的加速下降。使用模拟研究和来自真实数据的证据,我们证明了我们的最优设计优于标准的等间距设计。应用我们的新设计来规划纵向研究,研究人员可以在不收集额外数据的情况下提高检测模式变化的能力。
2020-04-29 stat.AP stat.ME
New Survey Questions and Estimators for Network Clustering with Respondent-Driven Sampling Data
受访者驱动抽样(RDS)是一种流行的方法,用于对难以调查的人群进行抽样,该方法通过同行招募来利用社交网络联系。虽然RDS最常用于估计感染的流行率和对公共卫生感兴趣的危险行为,如艾滋病毒/艾滋病或安全套的使用,但它很少用于推断这些人群中社交网络的结构特性,因为它通常不会收集必要的数据。利用计算机科学的最新进展,我们介绍了一组数据收集工具和RDS估计网络聚类,一个重要的拓扑属性,已链接到网络的信息,疾病和健康行为的扩散潜力。我们使用模拟来探索这些估计,最初开发的计算机网络的随机游走样本,执行时,适用于RDS样本的特点,在现实的现场设置,离开随机游动。特别是,我们探讨了多个种子的影响,没有与替换,分支链,不完美的反应率,优先招聘,和误报的关系。我们发现,聚类系数估计保留理想的属性在RDS样本。本文采取了重要的一步计算网络特征使用非传统的抽样方法,它扩展了RDS的潜力,告诉研究人员更多关于隐藏的人口和社会因素驱动的疾病流行。
2016-10-21 cs.SI physics.soc-ph stat.ME
Confidence bands for Horvitz-Thompson estimators using sampled noisy functional data
当函数数据的集合太大而无法穷尽地观察时,调查抽样技术提供了一种有效的方法来估计全局量,如总体平均函数。假设功能数据收集从一个有限总体根据概率抽样方案,与测量是离散的时间和噪声,我们建议首先平滑的采样轨迹与本地多项式,然后估计的平均函数与Horvitz-Thompson估计。在对总体规模、观测次数、轨迹的正则性、采样方案和平滑带宽等条件较弱的情况下,证明了连续函数空间中的一个中心极限定理.我们还建立了一个协方差函数估计的一致相合性,并应用前面的结果来建立均值函数的置信带。频带达到标称覆盖,并通过高斯过程模拟条件下的估计协方差函数。为了选择带宽,我们提出了一种交叉验证方法,占抽样权重。仿真研究评估我们的方法的性能,并强调采样方案和带宽选择的影响。
2013-12-11 math.ST stat.ME stat.TH
Uncertainty Quantification and Confidence Intervals for Naive Rare-Event Estimators
本文研究仅基于样本比例估计稀有事件概率的置信区间构造、覆盖有效性与紧致性,提出 Chernoff 和 Berry–Esseen 区间,并推广至命中数停止抽样情形。
2024-04-26 math.ST stat.ME stat.TH
Empirical-Bayes spectral partial pooling across related tasks
Duke University(杜克大学)
针对相关但异质任务中谱估计不稳定或掩盖任务结构的问题,提出层次谱收缩(HSS)经验贝叶斯框架,部分池化任务特定谱估计器,提升估计精度和样本外性能。
2026-10-07 stat.CO stat.ME stat.ML
Adaptive Off-Policy Inference for M-Estimators Under Model Misspecification
Carnegie Mellon University(卡内基梅隆大学);Novartis Pharmaceuticals Corporation(诺华制药公司)
本文提出了一种自适应偏政策推断方法,用于在模型不规范情况下有效推断M估计量,通过稳定自适应数据收集的方差,构建有效的置信区间。
2026-02-08 math.ST stat.ME stat.ML