Fast and efficient algorithms for sparse semiparametric bi-functional regression
针对含两个函数型协变量的标量响应建模问题,提出两种利用协变量函数型起源的稀疏半参数双函数回归算法,兼具计算效率与预测性能,获理论与实验验证。
2024-01-26 stat.ME
Robust Spatial Extent Inference with a Semiparametric Bootstrap Joint Testing Procedure
空间范围推断(SEI)被广泛用于神经成像模式,以研究大脑表型的关联,从而为我们对疾病的理解提供信息。最近的研究表明,高斯随机场(GRF)为基础的工具可以有膨胀的家庭明智的错误率(FWER)。这导致了关于使用基于GRF的SEI控制FWER所需的预处理步骤的热烈讨论。基于GRF的方法的失败是由于对成像数据的协方差函数的不切实际的假设。置换过程是最鲁棒的SEI工具,因为它从成像数据估计协方差函数。然而,置换过程可能会失败,因为它的假设交换是违反了许多成像模态。在这里,我们提出了(半)参数自举联合(PBJ; sPBJ)测试程序,设计用于多层次成像数据的SEI。sPBJ过程使用协方差函数的稳健估计,即使协方差模型指定错误,也会产生标准误的相合估计。我们使用我们的方法来研究之间的关联性能和执行功能的功能磁共振成像研究。与GRF方法相比,sPBJ方法对方差误设定具有稳健性,并在小样本中保持标称FWER。sPBJ还具有与PBJ和置换过程相等或更高的功率。我们提供了一个R软件包https://github.com/simonvandekar/pbj来使用PBJ和sPBJ过程执行推理
2018-08-22 stat.ME
Orthogonalized Design Matrices Speed-ups of Bayesian Semiparametric Regression
University of Technology Sydney(悉尼科技大学)
研究如何用正交设计矩阵加速贝叶斯半参数回归,通过预循环重新表述模型,在列维度上使计算量大幅减少,实现约5到60倍加速。
2026-07-13 stat.ME
Semiparametric model averaging for high-dimensional quantile regression with nonignorable nonresponse
针对不可忽略缺失下的高维分位数回归,提出半参数模型平均方法,通过缺失机制估计与候选模型加权实现渐近最优。
2025-08-30 stat.ME
A semiparametric estimation of copula models based on the method of moments
利用经典的矩估计方法,提出了多参数Copula模型的一种新的半参数估计方法。建立了估计量的相合性和渐近正态性。通过考虑阿基米德copula模型,进行了广泛的模拟研究,比较这些估计与伪极大似然,ρ-反演和τ-反演的。我们表明,与其他方法相比,基于矩的估计是快速和简单的使用合理的偏差和根均方误差。
2012-01-07 stat.ME
Semiparametric Inference for Functional Difference-in-Differences
Wisdom Lake Academy of Pharmacy, Xi’an Jiaotong-Liverpool University(西交利物浦大学智慧湖药学院)
针对离散观测的功能数据,提出基于双重差分的半参数推断框架,通过有效影响函数、去偏估计和均匀置信带解决识别、推断和观测三大挑战。
2026-10-30 stat.AP stat.ME
Bayesian Semiparametric Functional Mixed Models for Serially Correlated Functional Data, with Application to Glaucoma Data
青光眼是导致失明的主要原因,其特征在于与眼内压(IOP)相关的视神经损伤,但其全部病因尚不清楚。UAB的研究人员设计了一种定制设备,用于在固定的IOP水平下连续测量眼睛周围的巩膜应变,该设备用于评估后极周围的应变如何随IOP以及年龄等青光眼风险因素而变化。假设巩膜应变随年龄增长而减少,这可能会改变视神经乳头的生物力学,并导致最终导致青光眼的损伤。为了评估这一假设,我们采用贝叶斯函数混合模型来模拟这些复杂的数据,这些数据由球形巩膜表面上的相关函数组成,非参数年龄效应允许在巩膜表面上的幅度和平滑度上变化,多水平随机效应函数用于捕获受试者内相关性,功能性生长曲线项用于捕获可以在巩膜表面周围变化的IOP之间的序列相关性。我们的方法产生完全贝叶斯推断上的巩膜表面或任何聚集或转换,并揭示了有趣的见解青光眼的生物力学病因。所描述的通用建模框架非常灵活,适用于许多复杂的高维函数数据。
2018-05-07 stat.ME
A presmoothing approach for estimation in semiparametric mixture cure models
处理生存分析数据时的一个挑战是解释治愈分数,这意味着一些受试者将永远不会经历感兴趣的事件。混合治愈模型经常用于估计易感受试者的治愈概率和至事件发生时间,通常假设发生率为参数(logistic)形式。我们提出了一个新的估计过程的参数治愈率依赖于一个初步的平滑估计,是独立的模型假设的延迟。我们调查的估计量的理论性质,并通过模拟表明,在logistic/Cox模型,premoothing导致更准确的结果相比,极大似然估计。为了说明实际使用,我们应用新的估计程序的两项研究黑色素瘤生存数据。
2021-06-14 stat.ME
Bayesian Semiparametric Orthogonal Tucker Factorized Mixed Models for Multi-dimensional Longitudinal Functional Data
University of Florida(佛罗里达大学);The University of Texas at Austin(德克萨斯大学奥斯汀分校)
本文提出了一种贝叶斯半参数正交Tucker分解混合模型,用于分析多维纵向功能数据,通过降维技术和高效后验抽样方法,提升对复杂功能数据的建模能力。
2026-02-12 stat.ME
Semiparametric Mixtures of Regressions with Single-index for Model Based Clustering
在这篇文章中,我们提出了两类半参数单指标混合回归模型的基于模型的聚类。与许多只能应用于低维预测因子的半参数/非参数混合回归模型不同,新的半参数模型可以很容易地将高维预测因子纳入非参数分量。所提出的模型是非常一般的,许多最近提出的半参数/非参数混合回归模型确实是新模型的特殊情况。为了获得参数和非参数部分的最优收敛速度,提出了反拟合估计和相应的修正期望最大化算法。我们建立了所提出的两个模型的可辨识性结果,并研究了所提出的估计程序的渐近性质。仿真研究表明,所提出的模型的有限样本性能。通过新模型对NBA数据的应用,揭示了一些新的发现。
2017-08-11 stat.ME
Efficient Semiparametric Estimation of Short-term and Long-term Hazard Ratios with Right-Censored Data
在科学研究中,截尾失效时间数据的Cox模型中的比例风险假设经常被违反。Yang和Prentice(2005)提出了一种新的半参数双样本模型,该模型包括比例风险模型和比例优势模型作为子模型,并适应交叉生存曲线。该模型未指明基线风险,两个模型参数可解释为短期和长期风险比。推理程序是基于伪分数方法开发的。虽然提到了扩展以适应协变量,但尚未提供或证明正式程序。此外,伪分数方法可能不是渐进有效的。我们研究了Yang和Prentice(2005)的短期和长期风险比模型的扩展,以适应潜在的时间依赖协变量。我们开发了有效的基于似然的估计和推理程序。证明了非参数极大似然估计是相合的、渐近正态的和渐近有效的。大量的仿真研究表明,所提出的方法在实际环境中表现良好。所提出的方法捕捉到的现象,交叉危险的癌症临床试验,并确定了一个遗传标记,具有显着的长期影响错过了使用比例风险模型在发病年龄的酒精中毒的遗传研究。
2012-06-05 stat.ME
Specification tests in semiparametric transformation models - a multiplier bootstrap approach
我们考虑半参数转换模型,其中在响应的参数转换的预估计之后,通过非参数回归对数据进行建模。我们建议随后的程序,用于测试缺乏拟合的回归函数和协变量的意义,这-相反,从文献中的程序-渐近不受预估计的转换。检验统计量是渐近关键的,并且具有与无变换回归模型相同的渐近分布。我们证明了乘数引导程序的有效性,这是更容易实现和更少的计算要求比引导程序的转换模型的基础上。在模拟研究中,我们证明了优越的性能的程序相比,从文献中的竞争对手。
2019-01-24 math.ST stat.ME stat.TH
Scalable Semiparametric Spatio-temporal Regression for Large Data Analysis
随着数据采集技术的飞速发展,时空数据在各个学科领域中变得越来越丰富。在这里,我们开发的时空回归方法,分析大量的空间参考数据收集的时间,利用遥感卫星数据的环境研究的动机。特别是,我们指定了一个半参数自回归模型,没有通常的高斯假设,并设计了一个计算可扩展的程序,使大型数据集的回归分析。我们用拟极大似然估计模型参数,并证明了计算复杂度可以从样本量的三次方降到线性。在适当的正则条件下的渐近性质进一步建立,通知计算过程是有效的和可扩展的。通过仿真研究评估了参数估计和统计推断的有限样本性质。我们通过一个数据集来说明我们的方法,该数据集具有超过296万的年地表温度观测值,与现有的最先进方法的比较突出了我们方法的优势。
2021-11-30 stat.ME
Semiparametric estimation for isotropic max-stable space-time processes
有规律变化的时空过程已被证明是有用的研究极端依赖的时空数据。我们提出了一个半参数估计过程的基础上的极值封闭形式的表达式来估计参数模型的极值依赖函数。我们建立了参数估计的渐近性质,并提出了子抽样程序,以获得渐近正确的置信区间。仿真研究表明,所提出的方法适用于中等样本量,是强大的小偏离的基础模型。最后,我们应用此估计程序,在佛罗里达州的一个地区的雷达降雨测量拟合的最大稳定的过程。补充结果和一些关键结果的证明,并在补充的模拟研究。
2018-07-15 math.ST stat.ME stat.TH
Semiparametric inference on general functionals of two semicontinuous populations
本文提出了对两个连续总体的线性泛函及其函数进行推断的新的半参数方法。每个总体的分布通常是由一个离散的零点质量和一个连续的偏正分量的混合物来表征的,因此这种分布在本质上是不连续的。为了利用来自两个群体的信息,我们通过半参数密度比模型对两个混合分布的正分量进行建模。在此模型下,我们构造了线性泛函及其函数的极大经验似然估计,并证明了估计的渐近正态性。我们证明了线性泛函的估计比完全非参数估计更有效。渐近结果使我们能够构造置信区域和进行假设检验的线性泛函及其功能。我们进一步将这些结果应用到几个重要的总结量,如矩,平均比,变异系数,和广义熵类不等式措施。仿真研究表明,我们提出的半参数方法的优势,一些现有的方法。两个实际数据的例子是为了说明。
2020-12-18 math.ST stat.ME stat.TH
Sparse semiparametric regression when predictors are mixture of functional and high-dimensional variables
针对函数型与高维变量混合的回归降维问题,提出结合稀疏线性思想与半参数方法的灵活模型,推导相关渐近结果,并通过模拟实验和Tecator数据集应用验证方法有效性。
2024-01-26 math.ST stat.ME stat.TH
Semiparametric Functional Factor Models with Bayesian Rank Selection
函数数据通常伴随着描述函数的典型形状的参数化模板。然而,这些参数化模板可能会产生显著的偏差,这会破坏实用性和可解释性。为了纠正模型的误指定,我们增加了一个无限维的非参数函数的基础上的参数模板。非参数基函数从数据中学习,并被约束为与参数模板正交,这保持了参数项和非参数项之间的区别。这种区别是必不可少的,以防止功能混淆,否则会导致严重的偏见的参数项。的非参数因子正则化与一个有序的尖峰和平板之前,提供一致的秩选择,并满足几个有吸引力的理论性质。所提出的方法的多功能性说明通过应用程序的合成数据,人体运动控制数据,和动态收益率曲线数据。相对于参数和半参数的替代品,建议的半参数功能因子模型消除了偏见,减少过多的后验和预测的不确定性,并提供可靠的推断非参数项的有效数量-所有与最小的额外计算成本。
2022-05-16 econ.EM stat.CO stat.ME
Semiparametric Localized Principal Stratification Analysis with Continuous Strata
针对连续中间变量下主因果效应不可识别且非规则的难题,本文提出基于copula主得分模型识别因果效应,并构建局部泛函替代物的双重稳健估计量,在理论上实现极小极大最优性与半参数有效性。
2025-01-29 stat.ME
fsemipar: an R package for SoF semiparametric regression
本文介绍R包fsemipar,用于标量对函数半参数回归,支持核平滑估计、变量选择、冲击点识别及位置自适应估计,并通过化学计量数据集展示其功能。
2024-05-22 stat.CO stat.ME
Semiparametric Functional Multistate Modeling of Alzheimer's Disease Progression with Imaging Biomarkers
University of Hong Kong(香港大学);Sun Yat-sen University(中山大学)
该研究针对阿尔茨海默病进展预测,提出结合影像生物标志物的半参数函数多状态模型,经模拟和ADNI数据验证,其预测性能优于对比方法。
2026-08-10 stat.AP stat.ME
Robust self-tuning semiparametric PCA for contaminated elliptical distribution
主成分分析(PCA)是最常用的降维方法之一。已知通常的PCA对异常值的存在敏感,因此已经开发了许多鲁棒的PCA方法。其中,泰勒的M-估计被证明是最强大的散布估计下的椭圆分布。然而,当潜在的分布被污染,偏离椭圆,泰勒的M-估计可能无法很好地工作。在这篇文章中,我们应用半参数理论,提出了一个强大的半参数PCA。我们的建议有两个优点。首先,它对重尾椭圆分布以及非椭圆离群值具有鲁棒性。其次,它与数据驱动的调优过程很好地结合在一起,该调优过程基于活动比率,可以适应不同程度的数据异常。理论性质的推导,包括各种统计泛函的影响函数和渐近正态性。仿真研究和数据分析证明了该方法的优越性。
2022-06-08 stat.ME
Semiparametric modeling of autonomous nonlinear dynamical systems with applications
在本文中,我们提出了一个半参数模型的自治非线性动力系统,并设计了一个估计程序的模型拟合。该模型结合了受试者特异性效应,可视为非线性半参数混合效应模型。我们还提出了一个计算效率高的模型选择过程。在适当的正则条件下证明了估计量的相合性。我们通过仿真研究表明,所提出的估计以及模型选择程序可以有效地处理稀疏和噪声测量。最后,我们将所提出的方法应用于植物生长数据,用于研究在两种不同的实验条件下玉米根分生组织内的生长位移率。
2009-06-18 math.ST stat.ME stat.TH
Semiparametric Mixture Regression with Unspecified Error Distributions
在混合线性回归模型的拟合中,传统的方法是采用正态假设来建立误差模型,然后用极大似然估计来估计回归参数。如果违反了正常假设,则此程序无效。为了放松误差分布的正态假设,从而降低建模偏差,我们提出了具有未知误差分布的半参数混合线性回归模型。在比已有结果更弱的条件下,我们建立了一个更一般的可辨识性结果,构造了一类新的估计量,并建立了它们的渐近性质。这些渐近结果也适用于许多现有的半参数混合回归估计的渐近性质仍然未知,由于在获得它们的固有困难。利用模拟研究,我们证明了所提出的估计的优越性超过极大似然估计时,违反了正常的错误假设和可比性时,错误是正常的。对2017年新收集的马传染性贫血病毒数据进行分析,以说明新估计量的有效性。
2018-11-02 stat.ME
Approximate Bayesian inference in semiparametric copula models
我们描述了一个简单的方法进行推断的功能的多元分布。该方法是基于Copula表示的多变量分布,它是基于近似贝叶斯蒙特卡罗算法,其中建议的值的功能的利益加权的经验似然的属性。当与工作模型相关联的“真”似然函数太昂贵而无法评估时,或者当工作模型仅部分指定时,该方法特别有用。
2017-07-16 stat.CO 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
High-dimensional generalized semiparametric model for longitudinal data
本文研究了纵向数据广义半参数模型中参数个数随样本量而异时的估计问题。提出了一种惩罚型的广义估计方程方法,并用回归样条逼近非参数分量。拟议的程序涉及随机效应的后验分布的规范,无法以封闭形式进行评估。然而,可以通过使用Metropolis算法从该分布产生随机抽取来近似该后验分布。在一定的正则条件下,所得估计在高维情形下具有预言性质。仿真研究进行了评估我们所提出的方法的性能,并分析了两个真实的数据集来说明该过程。
2020-06-08 stat.CO stat.ME
Semiparametric Approach for Regression with Covariate Subject to Limit of Detection
我们考虑广义线性回归分析与左删失协变量由于检测下限。通过消除低于检测限的观测值进行完整的案例分析,可以获得回归系数的有效估计值,但会失去效率;替代方法存在偏倚;极大似然法依赖于参数模型来确定此类协变量的不可观察尾部概率分布,因此可能会出现模型错误指定。为了获得更强大和更有效的结果,我们提出了一个半参数似然为基础的方法,使用加速失效时间模型的协变量受检测限的回归参数的估计。一个两阶段的估计过程被认为是,在似然函数最大化之前估计的协变量的条件分布与其他变量的检测限。该方法优于完全案例分析和替代方法,以及在仿真研究。提供了所需的渐近性质的技术条件。
2014-12-05 stat.ME
Addressing the Influence of Unmeasured Confounding in Observational Studies with Time-to-Event Outcomes: A Semiparametric Sensitivity Analysis Approach
Eli Lilly and Company(礼来公司);University of Utah School of Medicine(犹他大学医学院);Johns Hopkins Bloomberg School of Public Health(约翰霍普金斯大学布隆伯格公共卫生学院)
本文提出了一种半参数敏感性分析方法,用于处理观察性研究中时间到事件结果的未测量混杂因素影响,并通过模拟研究验证了其有限样本性能。
2025-11-20 stat.ME
Deep Semiparametric Partial Differential Equation Models
本研究提出统一的半参数PDE(SemiPDE)模型,结合物理机制与数据驱动组件,并利用深度M-估计方法解耦PDE求解,实现了对数据动力学机制的有效建模、估计与推断。
2025-06-28 stat.ME
Maximum Likelihood Estimation for Semiparametric Transformation Models with Interval-Censored Data
区间删失经常出现在临床、流行病学、金融和社会学研究中,其中已知感兴趣的事件或故障仅发生在由定期监测引起的区间内。我们制定了潜在的时间依赖性协变量的区间删失失效时间的影响,通过广泛的一类半参数转换模型,包括比例风险和比例优势模型。我们考虑这类模型的非参数极大似然估计,其中每个受试者具有任意数量的监测次数。我们设计了一个EM型算法,收敛稳定,即使在存在时间依赖的协变量,并表明回归参数的估计是一致的,渐近正态,渐近有效的一个容易估计的协方差阵。最后,我们证明了我们的程序的性能,通过广泛的模拟研究和应用程序在泰国进行的艾滋病毒/艾滋病研究。
2016-02-27 stat.ME
Semiparametric Copula Quantile Regression for Complete or Censored Data
当面对多元协变量时,一般的半参数回归技术可以提出灵活的模型,这些模型不受维数灾难的影响。在这项工作中,半参数Copula为基础的估计条件分位数完全或右删失数据进行了研究。在精神上,该方法扩展了Noh et al.(2013)和Noh et al.(2015)的近期工作,因为主要思想在于根据多变量copula和边缘分布适当定义分位数回归。事先估计后者和简单的插件导致一个容易实现的估计表示,无论上下文中有或没有审查,作为一个加权分位数的观察到的响应变量。此外,与文献中的初始建议相反,研究了多变量Copula密度的半参数估计方案,其动机是纯参数方法的可能缺点,并由回归上下文驱动。由此得到的分位数回归估计具有在分位数水平上自动单调的有价值的性质,并且在经典的正则条件下得到了完全数据和删失数据的渐近正态性。最后,数值例子以及实际数据的应用,以说明所提出的方法的有效性和有限样本性能。
2016-03-24 stat.ME
Avoid Estimating the Unknown Function in a Semiparametric Nonignorable Propensity Model
我们研究的问题估计的功能或参数的上下文中,结果是受不可分割的missingness。我们完全避免建模的回归关系,而允许的倾向,以半参数的逻辑关系,依赖于协变量是未指定的。我们发现了一个令人惊讶的现象,在倾向模型中的参数估计以及功能估计可以进行,而不需要评估缺失对协变量的依赖性。这使我们能够提出一个一般类的模型参数估计和功能估计,包括估计结果的平均估计估计。估计的鲁棒性是非标准的,严格建立通过理论推导,并支持模拟和数据应用。
2021-08-10 math.ST stat.ME stat.TH
On Selection of Semiparametric Spatial Regression Models
在本文中,我们专注于一类半参数空间回归模型的变量选择技术,它允许一个研究的解释变量的空间信息的存在下的效果。非参数部分的空间平滑问题通过三角剖分上的二元样条来解决,它能够有效地处理分布在不规则形状区域上的数据。此外,我们开发了一个统一的程序,变量选择,以确定显着的协变量下的双重惩罚框架,我们证明了惩罚估计享有的“神谕”的财产。所提出的方法可以同时识别非零空间分布的协变量,并解决了功能空间组件的复杂域之间的“泄漏”问题。为了估计系数的估计量的标准差,还提出了一个三明治公式。最后,通过蒙特卡罗模拟和实际数据的例子来说明所提出的方法。所有技术证明均在补充材料中给出。
2021-06-02 stat.ME
Model Averaging based Semiparametric Modelling for Conditional Quantile Prediction
在实际数据分析中,底层模型往往是未知的,建模策略对数据分析的成功起着关键作用。受模型平均化思想的启发,我们提出了一种新的半参数建模策略,用于条件分位数预测,而无需假设底层模型是任何特定的参数或半参数模型.由于交叉验证法选择的权值具有最优性,因此该建模策略的预测结果比常用的变系数模型和加性模型等半参数模型的预测结果更准确。渐近性质建立的建模策略连同其估计过程。进行了深入的模拟研究,以证明如何以及所提出的方法的作品,在各种情况下,与其替代品相比。结果表明,所提出的方法确实导致更准确的预测比它的替代品。最后,将所提出的建模策略及其预测方法应用于波士顿的住房数据,得到了比常用的替代方法更准确的住房价格分位数预测,从而为我们提供了一个更准确的波士顿住房市场的图景。
2022-03-18 math.ST stat.ME stat.TH
Semiparametric inference for inequality measures under nonignorable nonresponse using callback data
Xiamen University(厦门大学);Wang Yanan Institute for Studies in Economics, Xiamen University(厦门大学王亚南经济研究院);National University of Singapore(新加坡国立大学);University of Waterloo(滑铁卢大学)
本文提出半参数方法,利用回调数据校正非忽略非响应偏差,有效估计不平等指标并实现高效推断。
2026-01-15 econ.EM stat.ME
Information matrix equivalence in the presence of censoring: A goodness-of-fit test for semiparametric copula models with multivariate survival data
该研究证明了多变量删失生存数据下半参数copula模型的信息矩阵等价性,提出基于该等价性的copula函数设定信息比检验,推导其渐近分布并给出有限样本P值计算的参数bootstrap程序,通过模拟与真实数据验证了检验性能。
2023-07-23 stat.ME
Estimation of Semiparametric Factor Models with Missing Data
本文提出PPCA方法,用于处理缺失数据的半参数因子模型估计,通过逆概率加权实现一致因子估计,具有混合正态分布和扩大方差的极限特性。
2025-12-05 stat.ME
Semiparametric Elliptical Mixture Clustering for High-Dimensional Data
Nankai University(南开大学);Fujian Normal University(福建师范大学)
本文提出一种半参数椭圆混合聚类方法,用于处理高维数据中重尾且近似椭圆的分布问题,通过数据驱动规则选择聚类数量,结合变换半径估计、径向分数中心更新和Tyler-POET-GLASSO更新,实现高效鲁棒的聚类。
2026-05-09 stat.ME
A Semiparametric Nonlinear Mixed Effects Model with Penalized Splines Using Automatic Differentiation
University of Oslo(奥斯陆大学)
本文提出一种基于自动微分的半参数非线性混合效应模型,利用惩罚样条和个体特定转换参数,提升推断性能并降低计算负担。
2026-10-05 stat.CO 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
Semiparametric estimation of spectral density function for irregular spatial data
空间过程协方差结构的估计在空间统计学中具有重要意义。在文献中,几个非参数和半参数的方法已经发展到估计的协方差结构的基础上的频谱表示的协方差函数。然而,他们要么忽略了频谱密度的高频特性,这是必不可少的,以确定性能的插值程序,如克里格,或缺乏理论依据。提出了一种新的半参数方法来估计各向同性空间过程的谱密度。在低频率的谱密度函数估计使用平滑样条,而在高频率的谱密度的参数模型,和参数估计的方法的时刻的方法的基础上的经验变异函数在小滞后。我们推导出所提出的估计的偏差和方差的渐近界。仿真研究表明,我们的方法优于现有的非参数估计的几个性能标准。
2015-08-27 stat.ME
Semiparametric Estimation of Cross-covariance Functions for Multivariate Random Fields
空间参考多变量数据的流行促使研究人员开发一个多个空间过程的联合建模过程。这通常涉及使用多变量空间协方差函数对任意位置对的边际和跨进程依赖性进行建模。然而,构建非负定的灵活的多变量空间协方差函数具有挑战性。在这里,我们提出了一个半参数的方法来估计多变量空间协方差函数的近似Matérn边缘和高度灵活的交叉协方差函数,通过他们的谱表示。我们的交叉协方差函数中的灵活性是由于底层相干函数的基于B样条的规范而产生的,这反过来又允许我们捕获非平凡的交叉谱特征。然后,我们开发了一个基于似然的估计过程,并进行了多次仿真研究,以证明我们的方法的性能,特别是在相干函数估计。最后,我们分析了颗粒物浓度($\text{PM}_{2.5}$)和风速数据在美国东北部地区,在那里我们说明了我们提出的方法优于常用的全双变量Matérn模型和线性模型的空间预测的协区域化。
2019-11-06 stat.AP stat.ME
Semiparametric sensitivity analysis: unmeasured confounding in observational studies
Emory University(埃默里大学);Rutgers University(罗格斯大学);Carnegie Mellon University(卡内基梅隆大学);Academia Sinica(中央研究院);University of Utah School of Medicine(犹他大学医学院)
本文推广了半参数敏感性分析方法,推导出固定敏感性参数下平均因果效应的非参数有效影响函数,构建了单步样本拆分截断估计量并验证了其渐近性与应用效果。
2025-09-12 stat.ME
Semiparametric posterior corrections
提出一种通过贝叶斯自助法校正非参数后验分布来推断低维泛函的半参数方法,保证频率论性质,并在多个示例及ACIC 2016竞赛中验证其优于现有方法。
2023-06-20 math.ST stat.ME stat.TH
A general model-checking procedure for semiparametric accelerated failure time models
提出一组半参数加速失效时间模型拟合优度检验,基于多参数累积和过程与扰动版本,通过模拟和原发性胆汁性肝硬化数据验证有效性,并实现于R包afttest。
2023-05-19 math.ST stat.AP stat.CO
The multirank likelihood for semiparametric canonical correlation analysis
提出一种半参数典型相关分析方法,利用多秩似然和MCMC算法估计组间依赖性参数,无需假设多元边际分布,并应用于气候与股票数据。
2024-04-22 stat.CO stat.ME
Stochastic Search for Semiparametric Linear Regression Models
本文介绍和分析了Beran和Millar(1987)关于线性回归模型参数估计的随机搜索方法。其想法是生成参数空间的随机有限子集,该子集将自动包含非常接近未知真参数的点。该过程的动机来自Duembgen,Samworth和Schuhmacher(2011)关于对数凹误差分布回归模型的最新工作。
2011-10-10 math.ST stat.ME stat.TH
Semiparametric Modeling for Multivariate Survival Data via Copulas
本文提出了一类新的基于阿基米德Copula的多变量生存模型,其边际由Yang和Prentice(YP)模型建模。Ali-Mikhail-Haq(AMH)、Clayton、Frank、Gumbel-Hougaard(GH)和Joe Copula函数被用来处理边缘分布之间的依赖关系。基线分布由分段指数(PE)分布和伯恩斯坦多项式半参数化建模。这类新的模型具有一些吸引人的特点:i)能够考虑具有交叉生存曲线的生存数据; ii)包括众所周知的比例风险(PH)和比例优势(PO)模型作为特殊情况; iii)边缘基线分布的半参数建模提供了更大的灵活性;(iv)似然函数的封闭形式表达式的可用性,导致更直接的推理过程。我们进行了广泛的蒙特卡罗模拟研究,以评估所提出的模型的性能。最后,我们通过分析诊断为卵巢癌的患者的生存数据,证明了我们的新一类模型的多功能性。
2022-03-07 stat.AP stat.ME
Semiparametric Inference for Non-monotone Missing-Not-at-Random Data: the No Self-Censoring Model
我们研究了非单调和非随机缺失的多元数据的统计泛函的识别和估计,采用半参数方法。具体来说,我们假设缺失机制满足以前所谓的“无自删失”或“逐项条件独立无响应”,这大致对应于没有部分观察变量直接决定其自身缺失状态的假设。我们表明,这一假设,结合比值比参数化的联合密度,使识别感兴趣的泛函,我们建立了半参数效率界的非参数模型满足这一假设。我们提出了一个实用的增广逆概率加权估计,并在设置(可能是高维)始终观察到的协变量的子集,我们提出的估计享有一定的双重鲁棒性。我们探索我们的估计与模拟实验的性能和先前研究的数据集在博茨瓦纳的艾滋病毒阳性母亲。
2022-12-22 math.ST stat.ME stat.TH
Semiparametric quantile functional regression analysis of adolescent physical activity distributions in the presence of missing data
本文提出半参数分位数函数回归框架,通过样条混合模型建模连续预测变量的非参数效应,并引入函数对函数方法校正可穿戴活动数据中的缺失偏差,用于分析青少年身体活动分布。
2024-11-19 stat.AP stat.ME
Semiparametric estimation for space-time max-stable processes: F -madogram-based estimation approach
最大稳定过程已被扩展到量化极端的时空数据的依赖。由于时空之间的相互作用,时空数据往往是复杂的分析。因此,描述这些依赖关系是统计学领域的关键挑战之一。本文提出了一种基于时空F-madogram的半参数推断方法,用于在网格数据下估计时空最大稳定过程的参数。该方法的性能进行了研究,通过各种模拟研究。最后,我们应用我们的推理过程来量化的极端行为的雷达降雨数据在佛罗里达州的一个地区。
2019-05-20 math.PR stat.AP stat.ME
Semiparametric regression of mean residual life with censoring and covariate dimension reduction
提出了一类新的截尾数据下的平均剩余寿命半参数回归模型。模型,使我们能够估计预期的剩余生存时间和推广常用的平均剩余寿命模型,也进行协变量降维。使用半参数文献中的几何方法和生存数据的鞅性质,我们提出了一个灵活的推理过程,放松了平均剩余寿命对协变量的依赖性的参数假设,以及病人活了多久。我们证明了协变量效应的估计是根$n$一致的,渐近正态的,半参数有效的。在未指定平均剩余寿命函数下,给出了一个预测给定受试者剩余寿命的非参数估计,并建立了该估计的根$n$相合性和渐近正态性性.数值实验表明了所提出的估计器的可行性。我们应用该方法来分析一个国家的肾移植数据集,以进一步证明该工作的实用性。
2020-11-08 math.ST stat.ME stat.TH
Maximum Likelihood Estimation for Semiparametric Regression Models with Interval-Censored Multi-State Data
区间删失多状态数据出现在许多慢性疾病的研究中,其中受试者的健康状况可以由有限数量的疾病状态来表征,并且任何两个状态之间的转换仅已知发生在较宽的时间间隔内。我们通过具有随机效应的半参数比例强度模型来描述潜在的时间相关协变量对多状态过程的影响。本文采用一般区间删失下的非参数极大似然估计(NPMLE),提出了一种稳定的期望最大化(EM)算法。我们证明了所得到的参数估计是一致的,有限维分量是渐近正态的,其协方差阵达到半参数有效界,并且可以通过轮廓似然一致估计。此外,我们通过广泛的模拟研究表明,所提出的数值和推理程序在现实环境中表现良好。最后,我们提供了一个主要的流行病学队列研究的应用程序。
2022-09-16 math.ST stat.ME stat.TH
Semiparametric Estimation of Structural Functions in Nonseparable Triangular Models
具有不可加性可分离的不可观测异质性的三角系统为复杂结构关系的建模提供了一个理论上有吸引力的框架。然而,由于需要大量支持识别的外生变量,估计中的维数灾难以及缺乏推理工具,它们在实践中并不常用。本文介绍了两类半参数不可分三角模型,解决这些限制。它们基于内生变量的简化形式条件分布的分布和分位数回归建模。我们发现,平均,分布和分位数结构功能,确定在这些系统中,通过控制功能的方法,不需要一个大的支持条件。我们提出了一个计算上有吸引力的三阶段的过程来估计的结构功能,其中前两个阶段包括分位数或分布回归。我们为每个阶段提供了渐近理论和统一的推理方法。特别地,我们得到了结构函数的分布回归估计的泛函中心极限定理和bootstrap泛函中心极限定理。这些结果建立了结构函数的三阶段估计的自举的有效性,并导致简单的推理算法。我们用数值模拟和需求分析的实证应用说明了我们所有方法的实施和适用性。
2019-10-05 econ.EM stat.ME