Bayesian Joint Modeling of Zero-Inflated Longitudinal Data and Survival with a Cure Fraction: Application to AIDS Data
针对零膨胀纵向计数数据与含治愈组分的生存数据,提出贝叶斯联合建模框架,纵向用混合效应Hurdle模型、生存用Cox-混合治愈模型并通过纵向值线性组合连接,经模拟与HIV数据验证,可支持个性化医疗决策。
2025-08-26 stat.AP stat.ME
Bayesian clustering of multiple zero-inflated outcomes
本文提出一种贝叶斯非参数联合模型,对多个零膨胀计数过程进行两层聚类,并通过 WhatsApp 消息服务应用验证了方法有效性。
2022-08-29 stat.AP stat.ME
Bayesian covariance regression for differential network analysis of zero-inflated microbiome data
University of Washington(华盛顿大学);Fred Hutchinson Cancer Center(弗雷德·哈钦森癌症中心)
本文提出TRECOR框架,通过贝叶斯协方差回归推断零膨胀组成计数数据的协变量依赖微生物协方差网络,展示了其在微生物组数据中的应用效果。
2026-04-02 stat.AP stat.ME
Exponentially weighted moving average chart using zero-inflated negative binomial distribution
针对含大量零值的过度离散计数数据,本研究提出用ZINB模型适配数据,设计Shewhart和EWMA控制图开展监测,经模拟与真实数据验证,EWMA控制图性能更优。
2025-09-03 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
Negative Binomial Process Count and Mixture Modeling
在负二项(NB)过程下,计数和混合建模的看似不相交的问题被统一起来。一个伽玛过程的泊松过程,其归一化提供了一个随机的概率测度的混合建模和其边缘化导致一个NB过程的计数建模的速率测量建模。从NB过程中提取的数据由泊松分布的有限数量的不同原子组成,每个原子与对数分布的数据样本数量相关联。我们揭示了各种计数和混合建模分布之间的关系,并构建了一个连接NB和中国餐厅餐桌分布的泊松对数二元分布。的模型的基本属性的开发,我们得到有效的贝叶斯推断。研究表明,通过增广和归一化,NB过程和γ-NB过程可分别化为Dirichlet过程和分层Dirichlet过程.这些关系突出了NB过程的理论、结构和计算优势。还构造了具有不同共享机制的各种NB过程,包括beta-几何、beta-NB、marked-beta-NB、marked-gamma-NB和零膨胀NB过程。这些模型被应用到主题建模,与现有的算法泊松因子分析下的连接。算例结果表明了同时推断NB色散和概率参数的重要性。
2013-10-13 stat.ME stat.ML
A multiple inflated negative binomial hurdle regression model: analysis of the Italians' tourism behaviour during the Great Recession
我们分析了2008年大衰退期间意大利居民的旅游行为。利用意大利国家统计局进行的意大利居民在意大利和国外的旅行季度调查,我们调查了经济衰退是否以及如何影响过夜住宿的总数。响应变量是两阶段决策过程的结果:首先我们选择休假,然后是休假多长时间。此外,由于过夜住宿的数量通常集中在特定的长度(周末,一周,两周),我们在其分布中观察到多个特殊的尖峰。考虑到这两个独特的特点,我们一般化通常的障碍回归模型,指定一个多重膨胀截断负二项分布的积极响应。结果表明,经济衰退对决策过程的两个组成部分产生了负面影响,并且通过控制响应变量分布的膨胀性质,所提出的配方提供了一个更好的代表性意大利人的旅游行为相比,非膨胀的障碍模型。鉴于此,我们相信,我们的模型可以成为一个有用的工具,为政策制定者谁是试图预测新的有针对性的政策,以支持旅游经济的影响。
2020-06-10 stat.AP stat.ME
Bayesian Modeling of Spatial Molecular Profiling Data via Gaussian Process
组织内基因表达(mRNA和蛋白质)的位置、时间和丰度定义了细胞功能的分子机制。最近在空间分子谱分析方面的技术突破,包括基于成像的技术和基于测序的技术,使得能够对单细胞进行全面的分子表征,同时保留其空间和形态背景。这种新的生物信息学场景需要有效和强大的计算方法来识别具有空间模式的基因。我们提出了一种新的贝叶斯层次模型来分析空间转录组学数据,具有几个独特的特点。它通过部署零膨胀负二项模型对零膨胀和过度分散计数进行建模,大大提高了模型的稳定性和鲁棒性。此外,贝叶斯推断框架允许我们借用力量在参数估计在一个从头开始的方式。结果表明,该模型在仿真研究和两个实际数据应用中的准确性和鲁棒性都优于现有方法。相关的R/C++源代码可以在https://github.com/Minzhe/BOOST-GP上找到。
2020-12-06 stat.AP stat.ME
Fractional binomial regression model for count data with excess zeros
针对含过多零值的计数数据,提出基于分数二项分布的新型回归模型,验证了估计量一致性,其通用性与拟合效果优于部分现有零膨胀模型,但存在计算障碍待解决。
2025-07-31 stat.ME
Modeling Sparse Data Using MLE with Applications to Microbiome Data
对诸如微生物组和转录组学(RNA-seq)数据之类的稀疏数据进行建模是非常具有挑战性的,因为零的数量过多并且分布偏态。许多概率模型已被用于建模稀疏数据,包括泊松,负二项,零膨胀泊松和零膨胀负二项模型。识别零膨胀或障碍模型的最合适的概率模型的一种方法是基于Kolmogorov-Smirnov(KS)检验的p值。识别概率模型的主要挑战是模型参数在实践中通常是未知的。本文给出了一类零膨胀模型和栅栏模型的极大似然估计。我们还导出了相应的费舍尔信息矩阵,以探讨估计量的渐近性质。我们包括新的概率模型,如零膨胀贝塔二项式和零膨胀贝塔负二项式模型。我们对微生物组数据的应用表明,我们的新模型比文献中常用的模型更适合于微生物组数据建模。
2021-12-27 math.ST stat.ME stat.TH
Zero & $N$-inflated overdispersed binomial models for sum-constrained Poisson count processes
针对生态学组成型数据中高比例零值与$N$值导致的推断偏差问题,提出基于和约束零膨胀泊松过程的零膨胀与$N$膨胀贝塔-二项分布模型,结合协变量可提升生物学过程解释力与预测性能。
2025-08-01 stat.ME
Estimating Zero-inflated Negative Binomial GAMLSS via a Balanced Gradient Boosting Approach with an Application to Antenatal Care Data from Nigeria
Georg-August-Universität Göttingen(哥廷根大学)
本文提出通过收缩最优步长的平衡梯度提升方法估计零膨胀负二项GAMLSS模型,并应用于尼日利亚产前护理数据研究社会经济因素的影响。
2026-02-19 stat.ME
A Comparison of Zero-Inflated Models for Modern Biomedical Data
本文通过模拟和实际数据比较零膨胀负二项、栅栏负二项和截断潜在高斯copula模型,研究变量依赖性、零膨胀水平及方差对模型选择的影响。
2024-11-18 stat.AP stat.ME
ZINBGT: Exploratory Data Analysis of Single-Cell Transcriptomic Expression Using Mixture Models
University of Glasgow(格拉斯哥大学);Bernhard Nocht Institute for Tropical Medicine(Bernhard诺赫热带医学研究所);University of Hamburg(汉堡大学)
本文提出ZINBGT方法,通过混合模型生成可解释的单细胞基因表达可视化,并利用Wasserstein距离识别异常基因,揭示了零膨胀负二项分布在单细胞RNA数据建模中的问题。
2026-04-10 stat.AP
Covariance-Boosted Gaussian Processes for Spatiotemporal Irregularities
Sequoia Research Corporation(红杉研究公司)
本文针对非平稳高斯过程模型易过拟合等问题,受SBAS电离层建模启发,提出协方差增强高斯过程(CBGP)框架,通过增强协方差先验等方法发现潜在函数,经测试证明其有效性和鲁棒性,能在复杂环境中准确计算电离层校正。
2026-08-26 cs.LG physics.space-ph stat.ME
Bayesian Deep Count Regression and Anomaly Detection: Evidence from GDELT Event Panels
University of Central Florida(中佛罗里达大学)
本文提出基于贝叶斯计数回归的深度模型,结合负二项和零膨胀负二项分布头,用于预测和检测异常,通过地理统计方法分析事件传播。
2026-03-26 stat.AP stat.CO
Exponential Dispersion Models for Overdispersed Zero-Inflated Count Data
我们考虑三类新的离散概率分布的指数分散模型,它们是通过在均值参数化中指定方差函数来定义的。在之前的论文(Bar-Lev和Ridder,2020 a)中,我们已经开发了这些类的框架,并证明了它们具有一些理想的属性。这些类别中的每一个都被证明是过度分散和零膨胀的升序,使它们成为统计建模中使用的竞争性统计模型。在本文中,我们阐述了计算方面的概率质量函数。此外,我们将这些类用于拟合具有过度分散和零膨胀统计的真实数据集。基于泊松或负二项分布的经典模型拟合较差,因此近年来已经提出了许多替代方案。我们执行与这些其他建议,从中我们可以得出结论,我们的框架是一个灵活的工具,在所有情况下,提供了出色的结果进行了广泛的比较。而且,在大多数情况下,我们的模型给出了最佳拟合。
2020-03-30 stat.CO stat.ME
Model-based Clustering of Multi-Dimensional Zero-Inflated Counts via the EM Algorithm
本文提出基于EM算法的多维零膨胀计数数据模型聚类框架,利用ZIP或ZINB混合分布处理矩阵形式数据,并通过模拟和实际数据验证了方法的聚类准确性与估计性能。
2025-03-27 stat.AP stat.ME
Zero-state Markov switching count-data models: an empirical assessment
在这项研究中,提出了一种两状态马尔可夫切换计数数据模型作为零膨胀模型的替代方案,以考虑有时在运输计数数据中观察到的零的优势,例如在一段时间内发生在路段上的事故数量。对于这种事故频率的情况,零膨胀模型假设存在两种状态:其中一种状态是零事故计数状态,其中事故概率非常低,以至于无法在统计上与零区分开来,另一种状态是正常计数状态,其中计数可以是由某些计数过程生成的非负整数,例如泊松或负二项式。与零膨胀模型相反,马尔可夫切换模型允许特定路段随着时间的推移在两种状态之间切换。该马尔可夫切换方法的重要优点在于其允许对特定道路段状态(即,零或计数状态),而传统的零膨胀模型则不是。为了证明这种方法的适用性,一个两个状态的马尔可夫切换负二项模型(估计与贝叶斯推断)和标准的零膨胀负二项模型估计使用五年的事故频率印第安纳州际公路段。它表明,马尔可夫切换模型是一个可行的替代方案,并导致在一个优越的统计拟合相对于零膨胀模型。
2009-08-02 stat.AP stat.ME
Generally-Altered, -Inflated, -Truncated and -Deflated Regression, With Application to Heaped and Seeped Data
在现代回归分析中,诸如零膨胀和零改变泊松以及零截断二项分布等模型是公认的。我们提出了一个超级模型,共同和最大限度地统一的变更,通货膨胀,截断和通货紧缩的计数,给定一个1或2参数的父(基)分布。七个不相交的特殊值类型的集合被容纳,因为除了截断之外,所有的都有参数和非参数变量。一些亮点包括:(i)混合分布非常灵活,例如,多达7种模式;(ii)可以使用负二项(NB)父项来处理欠分散、等分散和过分散,其中欠分散由新的一般截断扩展方法处理;(iii)可以根据四个算子来整体地研究过分散;(iv)重要的应用:容易处理来自回顾性自报告调查的堆积和渗出数据,例如,峰值和下降,几乎位于任何地方;(v)虽然一般改变回归解释了为什么观察存在,一般膨胀回归解释了为什么它们过量存在,一般收缩回归解释了为什么观察不存在;(vi)VGAM R软件包实现了基于Fisher评分和多项logit模型的方法(实现了Poisson,NB,zeta和对数父母)。GAITD-NB有可能成为计数分布的瑞士军刀。
2022-08-27 stat.ME
Complementary Goodness of Fit Procedure for Crash Frequency Models
本文提出了一种新的程序来评估拟合的良好性的广义线性模型(GLM)估计与道路偏离(RwD)的碰撞频率数据的夏威夷州的双车道双向(TLTW)的国家道路。该程序使用十年的RwD碰撞数据(包括所有严重程度)和道路特征(例如,交通、几何和库存数据库),这些数据库可以在区段级聚集。使用所提出的程序评估的三种估计方法包括:负二项(NB),零膨胀负二项(ZINB)和广义线性混合模型-负二项(GLMM-NB)。该过程表明,这三种方法可以提供非常好的适合在狭窄的范围内的预测平均频率的碰撞和观察到的碰撞频率与预测的平均碰撞频率为这些数据段的碰撞分布。建议的程序补充其他统计,如赤池信息准则,贝叶斯信息准则,和对数似然用于模型选择。这与无随机效应模型的统计量一致,但与GLMM-NB模型的统计量不同。该程序可以通过提供碰撞频率模型拟合的清晰可视化并允许计算类似于线性回归中使用的伪R2来辅助模型选择。建议使用不会导致收敛问题的更合适的数据集,评价其用于评价GLMM-NB模型中随机效应数量与其拟合优度之间的权衡。
2022-05-03 stat.AP stat.OT
Overall marginalized models for longitudinal zero-inflated count data
Sungkyunkwan University(成均馆大学);Andong National University(安东国立大学);University of Connecticut(康涅狄格大学)
本文提出纵向零膨胀计数数据的整体边际模型,通过引入带有随机效应的MZIP和MZINB模型,解决传统方法的局限性,并通过模拟和实际数据验证其有效性。
2025-11-27 stat.ME
A Bayesian Quest for Finding a Unified Model for Predicting Volleyball Games
排球是一项具有独特性和特殊性的团队运动。我们介绍了一个新的两级分层贝叶斯模型,占这些排球的具体特点。在第一个层次中,我们用一个简单的逻辑斯谛回归模型对集合结果进行建模。在第二个层次中,我们使用截断负二项分布来计算输方的得分。引入了一个附加的泊松分布膨胀分量来模拟两队积分差小于两分的情况下的加分。每个集合中获胜者的点数由集合的获胜者和膨胀分量的点数确定性地指定。团队特定能力和主场效应用作模型所有层(集、点和额外膨胀点)的协变量。在意大利超级联赛2017/2018数据上实施所提出的模型显示出最终联赛表的特殊再现性和令人满意的预测能力。
2020-04-15 stat.AP stat.CO
Spatial distribution and determinants of childhood vaccination refusal in the United States
近年来,在美国,父母拒绝和推迟儿童接种疫苗的情况有所增加。这一现象对维持群体免疫力提出了挑战,并增加了爆发疫苗可预防疾病的风险。我们研究了2012- 2015年期间从行政医疗数据集中收集的美国县级5岁以下患者的疫苗拒绝情况。我们用贝叶斯零膨胀负二项回归模型对这些数据进行建模,以捕捉与疫苗拒绝相关的社会和政治过程,以及影响我们测量疫苗拒绝的因素。我们的工作突出了与全国疫苗拒绝相关的精细尺度社会人口特征,发现拒绝的空间聚集可以用这些因素来解释,并有可能帮助制定有针对性的公共卫生战略,以优化疫苗的吸收。
2023-03-15 stat.AP
A spatiotemporal negative binomial model with dynamic dispersion: An application to Tuberculosis infections
Universidade Federal da Paraíba(帕拉伊巴联邦大学);University College Dublin(都柏林大学学院)
本文提出一种具有动态离散参数的负二项空间INGARCH模型,用于分析圣保罗州结核病数据,通过两步估计和Matern相关函数捕捉时空波动,优于基线模型,支持公共卫生决策。
2026-09-10 stat.AP stat.ME
Joint identification of spatially variable genes via a network-assisted Bayesian regularization approach
Yale School of Public Health(耶鲁大学公共卫生学院);Shanghai University of Finance and Economics(上海财经大学)
本研究针对现有空间可变基因识别方法未兼顾基因间网络结构、易受细胞组成混杂变异影响的问题,提出带阈值化图拉普拉斯正则化的贝叶斯方法,基于零膨胀负二项分布适配数据特性,经模拟和真实数据验证性能优异。
2025-10-03 stat.ME
Flexible model for varying levels of zeros and outliers in count data
University of Oslo(奥斯陆大学);Punjab Higher Education Department(旁遮普高等教育部)
针对计数数据中大量零值、异常值和过离散导致传统ZINB模型拟合不佳的问题,提出基于广义Pareto分布扩展的离散重尾模型,实验证明其在拟合优度上显著优于传统方法。
2025-10-31 stat.AP stat.ME
Liu-type Negative Binomial Regression: A Comparison of Recent Estimators and Applications
本文给出了负二项回归模型的一个新的有偏估计,它是文献[12]中对线性模型提出的Liu型估计的推广。针对极大似然估计(MLE)在解释变量间存在多重共线性时方差膨胀的问题,提出了一种新的有偏估计,减小了MLE的方差,从而得到稳定的推断.此外,我们还通过矩阵均方误差均方误差(MMSE)准则对新估计与其他估计进行了理论上的比较。此外,一个蒙特卡罗模拟研究的目的是评估性能的估计的意义上的均方误差。最后,一个真实的数据应用程序来说明新的估计的好处。
2016-04-08 stat.ME
Causal Mediation Analysis for Zero-inflated Mixture Mediators
本文针对零膨胀混合中介变量提出基于有限混合分布的因果中介建模方法,推导两部分中介效应,并通过EM算法估计和模拟及神经科学应用验证其优于标准方法。
2025-07-21 stat.ME
Violent event-related fatality patterns in Ethiopia: a Bayesian spatiotemporal perspective
Ambo University(阿姆博大学);Federal University of Technology, Akure(阿库雷联邦理工大学)
本研究针对埃塞俄比亚武装冲突暴力致死问题,提出两部分零膨胀贝叶斯广义加性混合模型,整合时空成分分析死亡模式,揭示地区差异与时间趋势,为相关决策提供科学依据。
2025-11-15 stat.AP
Structure learning for zero-inflated counts, with an application to single-cell RNA sequencing data
在高通量基因组数据的背景下,特别是在单细胞RNA测序中,从观察到的数据估计图的结构的问题越来越受到关注。然而,这些都是具有挑战性的应用,因为数据由具有高方差和过多零的高维计数组成。在这里,我们提出了一个基于零膨胀负二项分布的从单细胞RNA-seq数据学习图结构的一般框架。我们用模拟证明了我们的方法能够在各种设置中检索图的结构,并且我们展示了该方法在真实数据上的实用性。
2023-02-14 q-bio.GN stat.AP stat.ME
A Semiparametric Quantile Single-Index Model for Zero-Inflated Outcomes
针对微生物组零膨胀数据,提出半参数单指数分位数回归模型,放宽参数假设,适应零比例变化,并证明其拟合性能优越。
2025-03-27 stat.AP stat.ME
Zero-Class Poisson for Rare-Event Studies
本文针对稀有事件研究中常见的零计数探测器问题,提出基于零类泊松分布的贝叶斯统计理论,比较多种先验并证明最大熵先验最优,同时说明零膨胀泊松和负二项分布在有限信息下退化为泊松分布。
2023-12-06 math-ph math.MP nucl-ex
Bayesian Modeling of Microbiome Data for Differential Abundance Analysis
下一代测序技术的进步加速了微生物组的研究,并刺激了宏基因组的高通量分析。大量的测序数据鼓励了各种研究的兴起,以检测健康和患病人群中差异丰富的分类学特征,最终目标是破译微生物组多样性与健康状况之间的关系。由于微生物组数据是高维的,通常具有不均匀的采样深度,过度分散和大量的零,这些数据特征往往会阻碍下游分析。此外,系统发育树结构隐含的分类特征往往被忽视。为了克服这些挑战,我们提出了一个贝叶斯分层建模框架,用于分析微生物组计数数据的差异丰度分析。在这个框架下,我们引入了一个双层贝叶斯分层模型,允许灵活选择的计数生成过程中,和hyperpriors的特征选择方案。我们特别专注于采用零膨胀负二项模型与贝叶斯非参数先验模型的底层,并应用高斯混合模型的差异丰富的类群检测的顶层。我们的方法允许同时建模的样品异质性和检测差异丰富的类群。我们进行了全面的模拟,并总结了改进的统计性能的模型。我们将该模型应用于两个真实的微生物组研究数据集,并成功地鉴定了生物学验证的差异丰富的类群。我们希望提出的框架和模型可以促进进一步的微生物组研究和阐明疾病的病因。
2019-04-27 stat.ME
A zero-inflated endemic-epidemic model with an application to measles time series in Germany
针对传染病监测数据中的零膨胀问题,提出带随机效应的多元零膨胀地方性-流行性模型扩展HHH框架,新模型参数可通过极大似然高效联合估计,模拟与德国麻疹数据应用均验证了其收敛性与预测提升。
2022-01-18 stat.AP stat.ME
Tests for zero-inflation and overdispersion
我们提出了一种新的方法来检测零通货膨胀和过度分散,该方法基于凸序分布中预期样本极端值的比较。该方法是非常灵活的,包括零膨胀模型的结构零点的比例测试,测试,以区分两个有序的参数家庭和一个新的一般测试,以检测过度分散。所提出的测试的性能进行评估,通过一些模拟研究。对于公知的胎羊数据,我们得出结论,零膨胀泊松模型应该拒绝其他更分散的模型,但我们不能拒绝负二项模型。
2008-09-24 stat.ME
Sample Size Calculation for Cluster Randomized Trials with Zero-inflated Count Outcomes
整群随机试验(CRT)已广泛应用于医学和公共卫生研究。许多临床计数结果,如在疗养院跌倒的次数,都表现出过多的零值。在零通货膨胀的情况下,传统的基于泊松分布或负二项分布的计数数据的功效分析方法可能是不够的。在这项研究中,我们提出了一个样本量的方法,CRT与零膨胀计数的结果。它是基于GEE回归直接建模的ZIP结果的边际均值,这避免了传统建模方法下测试两个干预效果的挑战。一个封闭形式的样本量公式推导出适当的零通货膨胀,ICC由于集群,不平衡的随机化,和集群大小的变异性。稳健的方法,包括基于t分布的近似和刀切重采样方差估计,以提高试验性能下的小样本量。进行了大量的模拟,以评估所提出的方法的性能。一个应用程序的例子是在一个真正的临床试验设置。
2020-09-21 stat.AP stat.ME
Bayesian CART models for insurance claims frequency
University of Leeds(利兹大学)
本文提出贝叶斯CART模型用于保险索赔频率建模,扩展至零膨胀泊松分布以处理数据不平衡,并通过MCMC算法和DIC进行树探索与模型选择,提升风险分类能力。
2023-12-01 cs.LG q-fin.ST stat.AP
Zero-Inflated Autoregressive Conditional Duration Model for Discrete Trade Durations with Excessive Zeros
针对交易久期中大量零值问题,提出基于零膨胀负二项分布和得分动态的离散ACD模型,证明估计性质,并实证表明拆分交易贡献92%至98%的零或近零久期。
2024-05-08 q-fin.ST stat.ME
A Statistical Framework for Co-Mediators of Zero-Inflated Single-Cell RNA-Seq Data
Icahn School of Medicine at Mount Sinai(伊坎西奈山医学院);University of Florida(佛罗里达大学)
针对 scRNA-seq 数据的零膨胀与复杂共同中介结构,提出结合零膨胀负二项模型和 beta 回归的因果中介框架,模拟显示功效提升且 FDR 受控,并在 ROSMAP 数据中发现有生物学意义的中介效应。
2025-09-30 q-bio.GN q-bio.QM stat.AP
Semiparametric empirical likelihood inference for abundance from one-inflated capture-recapture data
针对捕获-重捕获数据中的单值膨胀与异质性问题,提出半参数经验似然丰度估计方法,通过EM算法求解并设计得分检验,有效提升了估计稳定性和置信区间覆盖率。
2025-07-14 stat.ME
Extreme-value modelling of migratory bird arrival dates: Insights from citizen science data
针对公民科学数据因采样努力异质产生的观测偏差问题,本研究开发时空贝叶斯层次模型,融合BBS与eBird数据集,通过广义极值分布建模首批候鸟抵达日期,实现偏差校正估计并验证了方法有效性。
2024-08-15 stat.AP stat.ME
Perturbative adaptive importance sampling for Bayesian LOO cross-validation
NIH Clinical Center Rehabilitation Medicine Epidemiology and Biostatistics Section(NIH临床中心康复医学流行病学与生物统计学部门);UCLA Department of Computational Medicine(UCLA计算医学系);UCLA Department of Statistics(UCLA统计学系);Data Science Research Center(数据科学研究中心);Duke Kunshan University(杜克-昆山大学);NIH NIDDK
本文提出扰动自适应重要性采样方法,通过变换实现高方差问题的解决,结合多种变换策略降低LOO交叉验证的重拟合需求。
2026-03-25 cs.AI cs.LG math.SP
Robust Spatio-Temporal Distributional Regression
针对连续变量分布函数的时空建模中边界值问题,提出边界膨胀二项模型,结合Pólya-Gamma数据增强与动态高斯预测过程实现高效贝叶斯推断,显著优于标准二项分布回归。
2025-08-07 stat.ME
A Simulation Study of the Performance of Statistical Models for Count Outcomes with Excessive Zeros
本文通过多条件模拟比较线性、Poisson、负二项、ZIP 与 MZIP 模型,发现 MZIP 在零膨胀计数结果中更能兼顾功效与假阳性控制。
2023-08-15 stat.AP stat.ME
Modeling Zero-Inflated Correlated Dental Data through Gaussian Copulas and Approximate Bayesian Computation
针对零膨胀和时空相关的纵向牙齿数据,提出结合hurdle模型与高斯Copula的回归模型,并采用近似贝叶斯计算推断,揭示龋齿风险因素及相关性结构。
2024-12-25 stat.AP stat.ME
Penalized Likelihood Methods for Modeling Count Data
Texas Christian University(德克萨斯基督教大学);University of Johannesburg(约翰内斯堡大学);Southern Methodist University(南方卫理公会大学)
本文探讨了使用惩罚似然方法对计数数据模型进行参数估计,通过模拟研究评估了惩罚估计的效用,并分析了口腔阅读流利度数据。
2022-05-12 stat.AP stat.ME
Extended Poisson-Tweedie: properties and regression models for count data
基于Poisson-Tweedie因子离差模型,提出了一类新的离散广义线性模型,其中$μ+ ϕμ^p$为均值,$ϕ$和$p$分别为离差和Tweedie幂参数.模型拟合使用的估计函数的方法,通过结合准得分和皮尔逊估计函数的回归和分散参数,分别获得。这为包括Hermite、Neyman Type A、Pólya-Aeppli、负二项分布和Poisson逆高斯分布在内的一系列全面的计数模型提供了灵活而高效的回归方法。估计函数的方法允许我们扩展泊松-特威迪分布,以处理欠分散的计数数据,允许负值的分散参数$ϕ$。此外,Poisson-Tweedie族可以自动适应具有过多零的高度偏斜的计数数据,而不需要引入零膨胀或障碍分量,通过简单的估计功率参数。因此,所提出的模型提供了一个统一的框架来处理下,equi,过度分散,零膨胀和重尾计数数据。所提出的模型的计算实现是快速的,只依赖于一个简单的牛顿评分算法。模拟研究表明,估计函数方法提供了无偏和相合估计量的回归和分散参数。我们强调的泊松-特威迪分布处理计数数据的能力,通过考虑分散,零膨胀和重尾指数,并说明其应用程序与四个数据分析。我们提供了一个\texttt{R}实现和数据集作为补充材料。
2016-09-11 stat.ME
A Simple and Adaptive Dispersion Regression Model for Count Data
计数数据的回归广泛地通过诸如泊松、负二项(NB)和零膨胀回归的模型来执行。从业者经常面临的一个挑战是选择正确的模型来考虑分散性,这通常发生在计数数据集中。非常希望有一个统一的模型,可以自动适应潜在的分散,并可以很容易地在实践中实现。在本文中,离散威布尔回归模型被证明能够以一种简单的方式适应不同类型的分散相对于泊松回归:过度分散,欠分散和协变量特定的分散。极大似然可用于有效的参数估计。模型的描述,参数推断和模型诊断伴随着模拟和真实数据分析。
2018-08-01 stat.ME stat.OT