Isotonic subgroup selection
针对识别回归函数超阈值子集的子群选择问题，提出基于鞅检验与多重检验的多变量保序回归方法，满足非渐近一致第一类错误率保证且功效达极小极大最优速率，并在R包ISS中实现。
2023-06-28 math.ST stat.ME stat.TH
A structured regression approach for evaluating model performance across intersectional subgroups
University of Maryland（马里兰大学）；Oregon State University（俄勒冈州立大学）；Microsoft Research（微软研究院）
针对交叉子群体样本量小导致AI公平性分解评估受限的问题，提出结构化回归方法，可对小子群体生成可靠性能估计，搭配推断策略与拟合优度检验，实验验证其准确性优于标准方法。
2024-05-14 cs.CY cs.LG stat.AP
A concave pairwise fusion approach to subgroup analysis
制定个体化治疗策略的一个重要步骤是正确识别异质人群的亚组，以便对每个亚组进行特定治疗。在本文中，我们考虑的情况下，从一个人口组成的亚组具有不同的手段，随着一定的协变量的样本。我们提出了一种基于回归模型的亚组分析的惩罚方法，其中异质性是由未观察到的潜在因素驱动的，因此可以通过使用特定于受试者的截距来表示。我们采用凹罚函数的截距的两两差异。此过程会自动将观测划分为子组。我们开发了一个交替方向的方法，乘子算法与凹罚实现所提出的方法，并证明其收敛性。我们还建立了我们提出的估计的理论性质，并确定了为了恢复它们的组之间的信号的最小差异的顺序要求。这些结果为亚组分析中的统计推断提供了可靠的依据。我们提出的方法进一步说明了模拟研究和克利夫兰心脏病数据集的分析。
2015-08-27 stat.ME
Assessing the similarity of dose response and target doses in two non-overlapping subgroups
我们考虑两个问题，吸引越来越多的关注，在临床剂量发现研究。首先，我们评估两个非线性回归模型的相似性，两个非重叠的患者亚组在有限的协变量空间。为此，我们推导出两个给定模型之间的最大差异的置信区间。如果该置信区间不包括等效性界值，则可以声明剂量反应的相似性。其次，我们解决的问题，证明两个非重叠的亚组的两个目标剂量的相似性，再次使用基于置信区间的方法。我们说明了所提出的方法与一个真实的案例研究，并通过仿真研究其操作特性（覆盖概率，第一类错误率，功率）。
2017-09-11 stat.ME
Design-Based RCT Estimators and Central Limit Theorems for Baseline Subgroup and Related Analyses
本文扩展基于设计的RCT估计方法至预处理变量定义的离散子组，提出比率估计量并证明有限总体中心极限定理，模拟显示其置信区间覆盖率接近名义水平。
2023-10-12 stat.ME
Data-Driven Subgroup Identification for Linear Regression
Stanford University（斯坦福大学）
针对线性回归模型在全数据集上拟合易遗漏异质性信号的问题，提出数据驱动的DDGroup方法，可识别特征与标签呈均匀线性关系的可解释子群，理论与真实医学数据实验均验证其有效性。
2023-04-29 cs.LG stat.ML
Linear Regression using Heterogeneous Data Batches
UC San Diego（加州大学圣地亚哥分校）；Google Research（谷歌研究院）
该论文提出一种基于梯度的算法，解决异构数据批次下线性回归问题，允许不同未知重尾输入分布，无需分离要求，并能减少所需批次数量和大小。
2023-09-05 cs.AI cs.IT cs.LG
Posterior Conformal Prediction
National University of Singapore（新加坡国立大学）；Stanford University（斯坦福大学）
提出后验共形预测（PCP）方法，通过将条件非一致性得分分布建模为混合分布，在数据自然发现的簇上实现边际和近似条件有效性，产生更紧的预测区间。
2026-05-27 stat.ME stat.ML
Optimal subgroup selection
University of Bristol（布里斯托尔大学）；The University of Edinburgh（爱丁堡大学）；Maxwell Institute for Mathematical Sciences（麦克斯韦数学科学研究所）；University of Cambridge（剑桥大学）
本文研究回归设定下识别回归函数超过阈值的特征空间区域的最优子群选择问题，将其形式化为约束优化，并确定了遗憾在样本量和第 I 类错误概率方面的极小极大最优速率，同时推广到异质性处理效应设定。
2023-09-20 cs.LG math.ST stat.ME
Localized Conformal Multi-Quantile Regression
Department of Biostatistics, Georgetown University（乔治城大学生物统计学系）
本文提出LCMQR框架，结合多分位信息与核定位，构建高效适应性预测区间，并通过GC-LCMQR实现组级覆盖，提升预测效率与有效性。
2025-11-30 cs.AI cs.LG stat.ME
PLS Generalized Linear Regression and Kernel Multilogit Algorithm (KMA) for Microarray Data Classification
本文将Bastien等人（2005）提出的偏最小二乘广义线性回归（PLSGLR）与逻辑斯谛回归和线性判别分析相结合，得到偏最小二乘广义线性回归-逻辑斯谛回归模型（PLSGLR-log）和偏最小二乘广义线性回归-线性判别分析模型（PLSGLRDA）。这两种分类方法，然后与经典的方法，如k-近邻（KNN），线性判别分析（LDA），偏最小二乘判别分析（PLSDA），岭偏最小二乘（RPLS），和支持向量机（SVM）进行比较。此外，我们实现了Dalmau等人的核多对数算法（KMA）。（2015）并将其性能与其他分类器进行了比较。结果表明，对于未经预处理和预处理的数据，KMA具有最低的分类错误率。
2019-06-19 stat.CO stat.ME
Hierarchical Regression Discontinuity Design: Pursuing Subgroup Treatment Effects
针对RDD中亚组样本量小导致估计不稳定的问题，提出分层贝叶斯方法HRDD，利用伪模型和分层先验借用信息，通过吉布斯采样和Hyvärinen分数实现稳定估计。
2024-11-08 stat.ME
Latent Subgroup Identification in Image-on-scalar Regression
本文提出潜在子群图像对标量回归模型LASIR，通过引入个体潜在子群和特定组别的空间变化效应，利用随机期望最大化算法，有效识别神经影像数据中大脑活动与临床指标间的异质性关联。
2023-06-30 stat.ME
Parallel subgroup analysis of high-dimensional data via M-regression
在实际生活中，由于总体可能是异质的，如何识别数据分析中的子群结构成为一个有趣的问题。在本文中，我们考虑M-估计与凹和成对融合惩罚，它可以处理高维数据包含一些离群。对协变量和处理效应均应用惩罚，其中估计预期同时实现变量选择和数据聚类。提出了一种基于并行计算的处理较大数据集的算法。我们建立了该算法的收敛性分析，惩罚M-估计的预言性质，以及所提出的标准的选择一致性。我们的数值研究表明，所提出的方法是有希望的，以有效地识别隐藏在高维数据中的子群。
2020-05-01 stat.ME
A regression tree approach to identifying subgroups with differential treatment effects
在与癌症等难以治疗的疾病的斗争中，通常很难发现使所有受试者受益的新疗法。对于监管机构的批准，更实际的做法是确定治疗效果增强的受试者亚组。回归树对于这个任务来说是很自然的，因为它们划分了数据空间。我们简要回顾现有的回归树算法。然后，我们介绍了三个新的，几乎是免费的选择偏差，适用于两个或两个以上的治疗，删失的反应变量，和预测变量的缺失值。该算法通过使用三个关键思想扩展了GUIDE方法：（i）作为线性预测因子的治疗，（ii）卡方检验以检测残差模式和拟合不足，以及（iii）通过泊松回归进行比例风险建模。重要性分数与阈值确定有影响力的变量作为副产品获得。使用自举技术构建每个节点中处理效应的置信区间。真实数据和模拟数据被用来比较的方法。
2014-10-07 stat.ME
A Theoretical Analysis of Logistic Regression and Bayesian Classifiers
本研究的目的是显示逻辑回归和贝叶斯分类器在指数和非指数分布族的情况下的根本区别，产生以下结果。首先，逻辑回归是贝叶斯分类器的一种不太通用的表示。其次，我们应该假设类的分布，以正确说明逻辑回归方程。第三，在特定情况下，正确指定的生成贝叶斯分类器和判别逻辑回归的预测概率之间没有差异。
2021-08-08 econ.EM stat.ME
Subgroup learning in functional regression models under the RKHS framework
本文提出基于变平面方法的RKHS框架，用于函数或图像响应中的子群估计、识别与检验，推导了渐近理论并验证了算法性能及实际应用效果。
2025-03-03 stat.ME
Subgroup Analysis for Longitudinal data via Semiparametric Additive Mixed Effect Model
本文提出了一种基于纵向分析中半参数加性混合效应模型的一般子群分析框架，该框架可以同时识别每个协变量上的子群并估计相应的回归函数。此外，所提出的程序适用于平衡和不平衡的纵向数据。本文提出了一种基于k-means算法的后拟合方法来估计每个子组上的半参数加性分量，并分别检测每个协变量上的子组结构。通过最小化贝叶斯信息准则来估计组的实际数目。数值研究表明，所提出的方法在确定亚组和估计回归函数的有效性和准确性。此外，我们说明了我们的方法的实用性与PBC数据的应用程序，并提供了一个有意义的划分的人口。
2021-12-01 stat.ME
Regression-based heterogeneity analysis to identify overlapping subgroup structure in high-dimensional data
异型增生是复杂疾病的标志。基于回归的异质性分析直接涉及结果-特征关系，使人们对疾病生物学有了更深入的了解。这种分析确定了潜在的亚组结构，并估计了亚组特定的回归系数。然而，大多数现有的基于回归的异质性分析只能解决不相交的亚组，即每个样本只分配到一个亚组。实际上，有些样本有多个标签，例如，许多基因具有多种生物学功能，一些纯细胞类型的细胞随着时间的推移转变为其他类型，这表明它们的结果-特征关系（回归系数）可能是多个亚组中关系的混合，因此，不相交的亚组结果可能不令人满意。为此，我们开发了一种基于回归的异质性分析的新方法，该方法考虑到子组和高数据维度之间可能的重叠。为每个样本引入子组成员向量，该向量与损失函数相结合。考虑到小样本量所产生的信息的缺乏，$l_2$范数惩罚是为每个成员向量，以鼓励其元素的相似性。稀疏惩罚也适用于正则化估计和特征选择。广泛的模拟表明其优于直接竞争对手。对癌症细胞系百科全书数据和来自癌症基因组图谱的肺癌数据的分析表明，所提出的方法可以识别重叠的亚组结构，在预测和稳定性方面具有良好的性能。
2022-11-28 q-bio.GN stat.AP stat.ME
Weighted Cox regression for the prediction of heterogeneous patient subgroups
临床医学中的一项重要任务是基于基因表达数据等高维分子测量构建特定亚组患者的风险预测模型。建模高维数据的主要目标是良好的预测性能和特征选择，以找到真正与临床结局（如事件发生时间终点）相关的预测因子子集。在临床实践中，这项任务是具有挑战性的，因为患者队列通常很小，并且在预测因子和结果之间的关系方面可能是异质的。当具有相同或相似疾病的几个亚组患者的数据可用时，将它们合并以增加样本量是诱人的，例如在多中心研究中。然而，亚组之间的异质性可能导致偏倚结果，亚组特异性效应可能无法检测到。对于这种情况下，我们提出了一个惩罚Cox回归模型与加权版本的Cox偏似然，包括所有亚组的患者，但分配给他们的个人权重的基础上，他们的亚组隶属关系。可能属于关注亚组的患者在亚组特异性模型中获得更高的权重。我们提出的方法通过模拟和应用于真实的肺癌队列进行评估。仿真结果表明，我们的模型可以实现改进的预测和变量选择的准确性比标准的方法。
2020-03-19 stat.AP stat.ME
Regression-based estimation of heterogeneous treatment effects when extending inferences from a randomized trial to a target population
从随机试验到目标人群的扩展-推广或运输-推论的方法涉及调节一组大的协变量，足以使随机化和非随机化组互换。然而，决策者往往有兴趣在仅根据少数离散协变量定义的目标人群亚组中检查处理效应。在这里，我们提出了估计亚组特定的潜在结果的手段和平均处理效应的一般性和可移植性分析的方法，使用结果模型为基础的（g公式），加权和增强加权估计。我们考虑在目标人群及其非随机化亚组中估计亚组特异性平均处理效应，并提供适用于嵌套和非嵌套试验设计的方法。作为一个例子，我们应用的方法，从冠状动脉手术研究的数据，比较手术加药物治疗与药物治疗单独治疗慢性冠状动脉疾病的心肌梗死史定义的亚组的影响。
2021-09-30 stat.ME
Multi-threshold Change Plane Model: Estimation Theory and Applications in Subgroup Identification
我们提出了一个多阈值变化平面回归模型，该模型自然地将观察到的受试者分成具有不同协变量效应的子组。基础分组变量是协变量的线性函数，因此多个阈值在协变量空间中形成平行变化平面。我们贡献了一个新的2阶段的方法来估计的子组的数量，阈值的位置和所有其他的回归参数。在第一阶段中，我们采用了一组选择原则，一致地确定的子群的数量，而在第二阶段的变化点的位置和模型参数的估计进行了改进的惩罚诱导平滑技术。我们的程序允许稀疏的解决方案相对中等或高维协变量。在适当的技术条件下，我们进一步建立了我们提出的估计量的渐近性质。我们通过模拟研究评估所提出的方法的性能，并使用两个医疗数据提供说明。我们的建议，亚组识别可能会导致立即应用于个性化医疗。
2018-08-02 stat.ME
Unobserved Heterogeneity in Threshold Regression Based on the Hitting Times of a Reflected Brownian Motion for Recurrent Hypoglycemia
Department of Statistics, University of Connecticut（康涅狄格大学统计系）；Department of Biostatistics, Yale School of Public Health（耶鲁公共卫生学院生物统计系）；Indiana University School of Medicine（印第安纳大学医学院）
针对复发性低血糖数据中个体间异质性不足的问题，提出反射布朗运动首次击中时间的有限混合模型，通过成分特异性回归系数和脆弱参数，结合贝叶斯推断识别不同风险亚组。
2026-05-25 stat.ME
Simultaneous Heterogeneity and Reduced-rank Learning for Multivariate Response Regression
本文提出了一种联合异质性和降维学习框架，用于同时识别多元响应回归中的子群结构并估计协变量效应。
2025-12-06 stat.ME stat.ML
Regression Trees for Longitudinal Data
在研究反应轨迹时，通常感兴趣的人群可能足够多样化，在其中存在不同的亚组，并且在这些亚组中反应的纵向变化可能不一致。也就是说，纵向曲线中协变量的时间斜率和/或影响可能在这些不同的亚组中有所不同。例如，Raudenbush（2001）以抑郁症为例，认为假设给定人群中的所有人都会经历抑郁症的增加或减少是不正确的。在这种情况下，传统的线性混合效应模型（假设协变量和时间的共同参数形式）不直接适用于整个人群，因为组平均轨迹可以掩盖重要的亚组差异。我们的目的是以最简约的方式，根据基线协变量的组合，识别和表征纵向同质亚组。这一目标可以通过使用基线协变量作为划分变量为纵向数据构建回归树来实现。我们提出了LongCART算法来构造纵向数据的回归树。在每个节点中，所提出的LongCART算法通过参数不稳定性测试来确定是否需要进一步分裂（即纵向剖面的参数是否受任何基线属性的影响），因此进一步分裂的决定是第一类错误受控的。我们已经得到了所提出的不稳定性测试的渐近结果，并通过模拟研究检查整个算法的有限样本行为。最后，我们应用LongCART算法研究了HIV患者胆碱水平的纵向变化。
2014-07-13 stat.ME stat.ML
Application of Cox Model to predict the survival of patients with Chronic Heart Failure: A latent class regression approach
大多数用于医学研究的预测模型由于方法上的限制而无法准确预测健康结果。使用常规收集的患者数据，我们探索使用Cox比例风险（PH）模型在一个潜在的类框架，以模拟慢性心力衰竭（CHF）患者的生存。我们根据现有的协变量，根据患者的风险确定患者亚组。我们允许每个子组拥有自己的风险模型。我们根据报告的贝叶斯信息标准（BIC）选择最佳类别数量。我们使用所有交叉验证和自举样本的受试者工作特征曲线（AUC）下的面积来评估所选模型的区分能力。我们进行了模拟研究，以比较我们的模型的预测性能。我们提出的潜在类模型优于标准的一类Cox PH模型。
2019-07-18 stat.ME
Combining heterogeneous subgroups with graph-structured variable selection priors for Cox regression
癌症研究中的重要目标是基于分子测量（例如基因表达数据）和新的预后生物标志物（例如基因）的鉴定来预测患者的风险。在临床实践中，这通常是具有挑战性的，因为患者队列通常很小，并且可能是异质的。在经典的亚组分析中，仅使用一个特定队列的数据拟合单独的预测模型。但是，当样本量较小时，这可能导致功效损失。另一方面，简单地合并所有队列可能会导致有偏差的结果，特别是当队列是异质性的时候。对于这种情况，我们提出了一种新的贝叶斯方法，适用于连续的分子测量和生存结果，确定重要的预测因子，并为每个队列提供一个单独的风险预测模型。它允许在队列之间共享信息，以通过假设一个连接不同队列内和跨不同队列的预测因子的图来增加功效。该图有助于识别功能相关基因和在不同队列中同时具有预后的基因的途径。结果表明，我们提出的方法是优于标准的方法在预测性能和增加的功率在变量选择时，样本量是小的。
2020-04-16 stat.AP stat.ME
Contrasting Global and Patient-Specific Regression Models via a Neural Network Representation
University of Freiburg（弗赖堡大学）；Institute of Medical Biometry and Statistics, Faculty of Medicine and Medical Center, University of Freiburg（弗赖堡大学医学院及医学中心医学生物统计研究所）；Freiburg Center for Data Analysis and Modeling, University of Freiburg（弗赖堡大学弗赖堡数据分析与建模中心）；Clinic of Pneumology, Medical Center – University of Freiburg, Faculty of Medicine, University of Freiburg（弗赖堡大学医学院弗赖堡大学医学中心肺病诊所）；Department of Nephrology, Faculty of Medicine and Medical Center, University of Freiburg（弗赖堡大学医学院及医学中心肾脏病学系）；University of Freiburg, Department of Mathematical Stochastics（弗赖堡大学数学随机过程系）
本文提出了一种通过神经网络表示对比全局和患者特异性回归模型的工具，用于识别全局模型不足的患者亚组并提供个性化模型的改进。
2026-01-26 stat.ME stat.ML
Estimating heterogeneous treatment effects by W-MCM based on Robust reduced rank regression
本文提出基于稳健降秩回归的W-MCM方法，用于多结局场景下的异质性处理效应估计与有效亚组识别，能够处理结局间高相关性和离群值，并通过模拟与真实数据验证其有效性。
2024-08-01 stat.ME
Analyzing covariate clustering effects in healthcare cost subgroups: insights and applications for prediction
医疗成本预测是一项具有挑战性的任务，由于高维和高度相关的协变量。此外，成本数据的偏斜、重尾和经常是多模态的性质可能会由于未观察到的异质性而使问题进一步复杂化。在这项研究中，我们提出了一种新的框架有限混合回归模型，采用协变量聚类方法，以更好地考虑聚类协变量对结果子组的影响，从而能够更准确地表征数据的复杂分布。建议的框架可以制定为一个凸优化问题的基础上的协变量的先验相似性的额外的惩罚项。为了有效地解决这个优化问题，提出了一种专门的EM-ADMM算法，该算法将交替方向乘法方法（ADMM）集成到期望最大化（EM）算法的迭代过程中。通过仿真数据验证了算法的收敛性和协变量聚类方法的有效性，并通过两个真实的中国医疗费用数据集验证了该方法相对于传统回归方法的优越性。我们的实证结果提供了有价值的见解复杂的网络图的协变量，并可以告知商业实践，如医疗保险产品的设计和定价。
2023-03-10 stat.ME
Patient stratification in multi-arm trials: a two-stage procedure with Bayesian profile regression
精准医学是一个新兴领域，它考虑到个体异质性，为更好的临床实践提供信息。在临床试验中，评价处理效应异质性是一个重要组成部分，最近，已经提出了许多统计方法，用于根据这种异质性将患者分为不同的亚组。然而，大多数为此目的开发的现有方法集中在二分治疗的情况下，并不直接适用于多组试验。在本文中，我们考虑在多组试验设置的患者分层的问题，并提出了一个两阶段的贝叶斯非参数框架内的程序。具体来说，我们首先使用贝叶斯加性回归树（BART）来预测每个患者在不同治疗方案下的潜在结果（治疗反应），然后我们利用贝叶斯轮廓回归根据患者的基线特征和预测的潜在结果将其聚类为亚组。我们进一步嵌入变量选择程序到我们提出的框架，以确定积极“驱动”的聚类结构的患者特征。我们进行模拟研究，以检查我们提出的方法的性能，并通过将其应用于英国的多臂献血试验来证明该方法，其中我们的方法揭示了五个有临床意义的供体亚组。
2023-02-22 stat.AP stat.ME
Structural modeling using overlapped group penalties for discovering predictive biomarkers for subgroup analysis
从大规模的协变量中识别预测性生物标志物用于亚组分析已经引起医学研究的基本关注。在这篇文章中，我们提出了一个广义惩罚回归方法与一个新的惩罚函数，以加强之间的预测和预测效果的层次结构，这样一个非零的预测效果必须导致其祖先的预测效果是非零的模型。我们的方法能够通过产生用于亚组分析的稀疏的、可解释的和可预测的模型来选择有用的预测性生物标志物，并且可以处理不同类型的响应变量，例如连续的、分类的和事件发生时间的数据。我们证明了我们的方法是渐近一致的正则化条件下。针对广义惩罚回归模型的极小化问题，提出了一种结合优化极小化和乘子交替方向法的综合优化算法，命名为\texttt{smog} .丰富的模拟研究和真实案例研究表明，我们的方法是非常强大的发现真正的预测生物标志物和识别亚组的患者。
2019-04-26 stat.ME stat.ML
Investigations of Heterogeneity in Diagnostic Test Accuracy Meta-Analysis: A Methodological Review
Technical University of Munich（慕尼黑工业大学）；University of Augsburg（奥格斯堡大学）
本文综述了诊断测试准确性元分析中异质性的研究方法，发现亚组分析和元回归是常用方法，但模型选择和预设不清晰，需提高透明度以减少伪发现。
2026-03-11 stat.ME
Benchmarking Goodness-of-Fit and Calibration Algorithms for Logistic Regression Classifiers: A Large-Scale Simulation Study under Sparse Data
Department of Applied Statistics, Faculty of Business, Alexandria University（亚历山大大学商学院应用统计系）
研究逻辑回归分类器拟合优度和校准算法，通过开源R包实现二十多种测试，在多种场景下评估，发现紧凑核心测试平衡最佳且比Hosmer-Lemeshow测试更强大，为评估逻辑回归拟合提供实用指南。
2026-07-21 stat.AP stat.ME
Bayesian Latent Class Regression and Variable Selection with Applications to Sleep Patterns Data
Trinity College Dublin（都柏林三一学院）
本文提出了一种贝叶斯潜在类别回归方法，用于识别儿童睡眠问题的潜在亚组，并通过变量选择提高模型准确性。
2025-12-16 stat.AP stat.CO stat.ME
Generalization Error Bounds for Multiclass Sparse Linear Classifiers
Tel Aviv University（特拉维夫大学）
我们考虑高维多类分类稀疏多项式逻辑斯谛回归。与二进制分类不同，在多类设置中，可以考虑与回归系数矩阵上的不同结构假设相关的稀疏度的整个可能概念谱。我们提出了一个计算上可行的特征选择过程的基础上惩罚的最大似然与凸处罚捕获一个特定类型的稀疏在手。特别是，我们认为全球稀疏性，双行稀疏性，低秩稀疏性，并表明，与适当选择的调整参数的派生插件分类器达到最小最大的泛化误差界（误分类过度风险）内相应的类的多类稀疏线性分类器。所开发的方法是通用的，也可以适用于其他类型的稀疏性。
2023-01-15 cs.LG math.ST stat.ME
Nonparametric Probabilistic Regression with Coarse Learners
Numeristical
概率回归是指以特征为条件预测目标的全概率密度函数。我们提出了一个非参数的方法来解决这个问题，它结合了基础分类器（通常是梯度提升森林）训练的目标值的不同粗化。通过结合这些分类器和平均所得密度，我们能够计算精确的条件密度与密度的形状或形式的最小假设。我们结合这种方法与结构化的交叉熵损失函数，用于正则化和平滑所产生的密度。从这些密度计算出的预测区间在实践中具有很高的保真度。此外，在特定的观测中检查这些密度的性质可以提供有价值的见解。我们在各种数据集上演示了这种方法，并显示出具有竞争力的性能，特别是在较大的数据集上。
2022-10-28 cs.AI cs.LG stat.ME
When to Trust Confidence Thresholding: Calibration Diagnostics for Pseudo-Labelled Regression
Institute for Global Prosperity, The Bartlett, University College London（全球繁荣研究所，巴特利特学院，伦敦大学学院）
本文研究了在回归任务中使用置信度阈值的校准问题，提出了一种校准意识的诊断工具，通过分析残差分数方差预测偏倚，为伪标签流程提供决策规则。
2026-05-12 cs.LG stat.ME stat.ML
On the Use of Auxiliary Variables in Multilevel Regression and Poststratification
多水平回归和后分层（MRP）是一种解决亚组估计中选择偏倚的流行方法，在从社会科学到公共卫生的各个领域都有广泛的应用。在本文中，我们研究了MRP在有限人群中的推理有效性，探索后分层和模型规格的影响。MRP的成功在很大程度上依赖于与结果密切相关的辅助信息的可用性。为了提高结果模型的拟合性能，我们建议在辅助变量上有条件地对包含概率进行建模，并将估计的包含概率的灵活函数作为均值结构中的预测因子。我们提出了一个统计数据集成框架，提供了强大的推理概率和非概率调查，解决实际应用中的各种挑战。我们的模拟研究表明MRP的统计有效性，这涉及到偏差和方差之间的权衡，与替代方法相比，小样本量的子组估计具有更大的好处。我们已经将我们的方法应用于青少年大脑认知发展（ABCD）研究，该研究收集了美国21个地理位置的儿童信息，以提供国家代表性，但作为非概率样本，会受到选择偏差的影响。我们专注于不同群体的儿童在ABCD研究的认知措施，并表明，使用辅助变量影响认知表现的调查结果。
2023-03-02 stat.AP stat.ME
Bayesian change-plane regression
Yale School of Public Health（耶鲁公共卫生学院）
本文提出一种贝叶斯框架，通过可解释的线性阈值规则识别子群体，解决传统最大似然推断中阈值边界非正则问题，通过概率闸门工作似然进行推断，并探讨了平滑尺度趋近于零时的三角数组权衡。
2026-07-22 math.ST stat.ME stat.TH
Finite Mixture Cox Model for Heterogeneous Time-dependent Right-Censored Data
针对异质患者群体生存分析中单一Cox PH模型的不足，提出结合SCAD/MCP动态惩罚函数的有限混合Cox模型，通过改进EM算法实现亚组识别与成分选择，提升风险预测精度。
2025-04-11 stat.CO stat.ME
