Fast and Accurate Binary Response Mixed Model Analysis via Expectation Propagation
期望传播是统计推断问题中积分近似的一种通用方法。它的文献主要是关于贝叶斯推断的情况。然而,期望传播也可以用来近似在频率论统计推断中出现的积分。我们专注于二进制响应混合模型的基于似然的推断,并表明快速,准确的正交自由推断可以实现多变量随机效应和更高层次的嵌套的概率链接的情况下。该方法是由渐近理论,其中期望传播被认为是提供一致的估计的确切似然面。数值研究揭示了快速、高精度和可扩展的二元混合模型分析方法的可用性。
2018-05-22 stat.ME
Estimating the Joint Distribution of Two Binary Variables with Marginal Statistics
本文提出一种基于最大似然的新方法,仅利用边际汇总数据估计两个二元变量的联合分布,并通过模拟和真实数据验证了其在保护隐私前提下的准确性与实用性。
2025-05-06 stat.ME
Equivalence tests for binary efficacy-toxicity responses
临床试验通常旨在根据协变量(例如,药物的剂量水平)在疗效和/或毒性方面将新药与参考治疗进行比较。如果平均结局的差异低于协变量范围内的特定阈值,则可以声明这些治疗的等效性。在本文中,我们假设治疗的疗效和毒性是作为二元结果变量来衡量的,我们解决了两个问题。首先,我们开发了一种新的检验程序,用于评估两种治疗方法在单个二元终点的整个协变量范围内的等效性。我们的方法是基于一个参数的引导,它生成的约束下,曲线之间的距离等于预先指定的等价阈值的数据。其次,我们通过扩展以前的单变量响应方法来解决双变量二元(相关)结果的等效性。为此,我们使用二维Gumbel模型进行二元疗效-毒性反应。我们调查所提出的方法通过模拟研究的操作特性,并提出了一个案例研究作为说明。
2019-10-19 stat.ME
A latent variable model with mixed binary and continuous response variables
我们提出了一种方法来获得最大似然估计在一个模型中的连续和二元的结果。左和右删失观测的组合也自然地在这个框架中建模。该模型和估计过程已在R软件包lava.tobit中实现。大脑成像和个性数据的预测变量的测量误差处理在一个潜在的变量框架的方法被证明。模拟研究进行比较的小样本性质的极大似然估计与有限的信息估计。
2015-07-05 stat.ME
A reduced-rank approach to predicting multiple binary responses through machine learning
针对多二元响应同步预测问题,提出结合机器学习的降秩伪贝叶斯方法,用PAC-贝叶斯界分析预测误差,经朗之万蒙特卡洛实现,效果媲美甚至优于现有最优方法。
2024-03-06 stat.ME
Joint models for grid point and response processes in longitudinal and functional data
在纵向或函数数据应用中观察到的响应函数的网格点的分布通常是信息性的,并且不独立于响应过程。在本文中,我们引入了一个协变模型来估计和推断这种相互关系,通过治疗的数据作为一个标记点过程的复制实现。我们导出了极大似然估计量,估计量的渐近分布,并通过模拟研究了估计量的行为。我们将该模型应用于在线拍卖数据集,并表明投标模式和价格轨迹之间存在很强的相关性。
2018-08-14 stat.ME
Handling outcome-dependent missingness with binary responses: A Heckman-like model
University of Florence(佛罗伦萨大学);University of Perugia(佩鲁贾大学)
针对结果依赖性缺失导致的选择偏差问题,本研究将Heckman模型扩展到二元结果场景,通过逻辑回归建模选择过程与结果并基于相对风险推导校正项,为信息性缺失下的偏差校正提供有效工具。
2025-11-14 stat.ME
Log-mean linear regression models for binary responses with an application to multimorbidity
在分类数据的回归模型中,线性模型通常通过称为链接函数的概率变换与响应变量相关。我们介绍了一种方法的基础上的两个链接函数的二进制数据命名的对数均值(LM)和对数均值线性(LML)。链接函数的选择对模型的解释起着关键作用,我们的方法在解释协变量对响应关联的影响方面特别有吸引力。与泊松回归相似,单个结果的LM和LML回归系数是对数相关风险,我们表明,在响应相关性的回归中也保持了相对风险解释。此外,零LML回归系数的某些集合意味着联合响应的相对风险相对于边际响应的相应相对风险进行因子分解。这项工作的动机是从病例对照研究中获得的数据集的分析,旨在调查艾滋病毒感染对多发病的影响,即同时存在两个或两个以上的非感染性合并症在一个病人。
2016-05-16 stat.ME
Flexible Bayesian Modeling for Longitudinal Binary and Ordinal Responses
本文提出一种基于函数型数据分析的灵活贝叶斯方法,利用高斯过程与Inverse-Wishart过程先验非参数建模纵向二分类及有序分类响应的均值和协方差结构,并通过continuation-ratio logits分解实现高效推断。
2024-08-31 stat.ME
Targeted empirical Bayes for more supervised joint factor analysis
针对标准联合贝叶斯因子模型在响应变量不依赖预测因子主导主成分时难以识别信号的问题,提出靶向响应预测性能的经验贝叶斯方法估计残差方差,提升了模拟效果,并应用于环境暴露健康效应评估的NHANES数据。
2025-05-16 stat.ME
Bayesian Auxiliary Variable Model for Birth Records Data with Qualitative and Quantitative Responses
Dongbei University of Finance and Economics(东北财经大学);Virginia Tech(弗吉尼亚理工大学);Illinois Institute of Technology(伊利诺伊理工学院)
本文提出贝叶斯方法联合建模具有质量和数量响应的数据,通过潜在变量评估依赖强度,提升预测能力,应用于研究早产与出生体重的相互依赖性。
2020-08-14 stat.ME
Optimal Differentially Private Randomized Response Designs to Collect Sensitive Binary Data
Indian Institute of Technology Guwahati(印度理工学院古瓦哈提分校)
研究在收集敏感二进制数据时,考量统计功效与差分隐私,揭示常见随机响应设计的不足,给出满足功效和隐私约束的最优参数选择,并通过模拟研究评估,提供网络应用。
2026-07-07 stat.ME
A Joint Bayesian Boolean Matrix Factorization with Application to Chromosomal Copy Number Alterations in Multiple Myeloma
Dana Farber Cancer Institute(达纳-法伯癌症研究所);Harvard University(哈佛大学)
研究针对现有布尔矩阵分解未利用相关数据集共享潜在结构的问题,提出JBBMF模型,通过共享潜在结构联合分解二元矩阵,在模拟和多发性骨髓瘤数据应用中提升了因子恢复与分析效果。
2026-08-27 stat.ME
Causal analysis of ordinal treatments and binary outcomes under truncation by death
在多组随机试验中,关注的结局通常是“因死亡而截断”,这意味着仅在中间结局的条件下观察到或明确定义。在这种情况下,除了成对对比外,所有治疗组的联合推断也很重要。在单调性假设下,我们提出的方法,成对和联合因果分析的顺序治疗和二进制结果存在截断死亡。我们通过例子说明我们的假设在不同的科学背景下的适当性。
2016-11-21 stat.ME
Tree-Structured Scale Effects in Binary and Ordinal Regression
在二元和有序回归中,可以区分位置分量和缩放分量。虽然前者决定了响应类别范围内的位置,但标度表示方差异质性。特别是,因为它已被证明,误导性的影响,可能会发生,如果一个忽略的缩放组件的存在,重要的是要考虑潜在的缩放效应的回归模型,这是不可能在现有的递归分区方法。建议的递归分区方法产生两棵树,一个用于位置,一个用于缩放。它们以一种简单的可解释的方式显示变量如何相互作用以确定二元或有序响应。所开发的算法控制全局显著性水平,并自动选择对响应有影响的变量。几个现实世界的应用程序的建模方法说明。
2019-10-30 stat.ME
A Modification of McFadden's $R^2$ for Binary and Ordinal Response Models
许多关于分类响应模型预测强度的汇总指标的研究认为似然比指数(LRI),也称为McFadden- $R^2$,是比许多其他指标更好的选择。我们提出了一个简单的修改的LRI的响应类别的数量对措施的影响进行调整,也重新调整其值,模仿一个潜在的措施。修改后的措施是适用于二进制和有序响应模型拟合的极大似然。从模拟研究和一个真实的数据实例对猪的气味感知的结果表明,所提出的措施优于大多数广泛使用的拟合优度的二元和有序模型的措施。建议的$R^2$有趣地证明相当不变的序数模型的响应类别的数量不断增加。
2023-02-02 stat.AP stat.ME
A Fully Nonparametric Modelling Approach to Binary Regression
我们提出了一个一般的非参数贝叶斯框架的二元回归,这是建立从联合响应协变量分布建模。假设观察到的二进制响应通过离散化从潜在的连续随机变量中产生,并且我们使用多变量正态分布的Dirichlet过程混合来建模这些潜在响应和协变量的联合分布。我们表明,内核的诱导混合模型的观测数据是可识别的限制后的潜变量。为了允许适当的依赖结构,同时促进可识别性,我们使用的协方差阵在正常的混合内核的平方根自由Cholesky分解。除了允许必要的限制,这种建模策略提供了大量的简化实施马尔可夫链蒙特卡罗后验模拟。我们提出了两个数据的例子,从该方法是特别适合的领域。特别是,第一个例子涉及估计环境变量之间的关系,第二个发展推理进化生物学中的自然选择表面。最后,我们讨论扩展到多元有序响应的回归设置。
2014-08-04 stat.ME
Analysis and sample-size determination for $2^K$ audit experiments with binary response and application to identification of effect of racial discrimination on access to justice
本文针对二值响应下2^K析因审计实验,提出基于随机化Neymanian推断的完整设计与分析方法,涵盖样本量、功效计算和非线性估计量,并应用于Libgober(2020)关于种族歧视影响司法救助的审计实验。
2025-03-13 stat.ME
A joint model of correlated ordinal and continuous variables
本文提出一种基于多元正态误差假设的联合模型,可同时处理二元、有序和连续响应,采用复合似然方法估计参数,并提供R包mvordnorm实现,在风险管理中展示应用。
2024-11-05 stat.ME
Identifiability of restricted latent class models with binary responses
统计潜类模型在社会和心理学研究中有着广泛的应用,但模型参数的可辨识性往往难以确定。在本文中,我们考虑的可识别性问题的一个家庭的限制潜在的类模型,其中的限制结构需要反映预先指定的假设相关的评估。我们建立了严格意义上的可识别性结果,并指定哪些类型的约束结构将给出模型参数的可识别性。该结果不仅保证了许多常用模型的有效性,而且为相关的试验设计提供了指导,在当前的应用中,设计通常是基于经验的,并且不能保证可识别性。在理论上,我们发展了一种新的技术来建立可识别性的结果,它可以扩展到其他限制潜在类模型。
2016-03-14 stat.ME
A Taxonomy of Polytomous Item Response Models
提供了一个共同的框架,包括经典的顺序项目反应模型的累积,顺序和相邻类别模型,以及名义反应模型和项目反应树模型。分类法基于二进制模型可以被视为各种模型的构建块的方式。特别是,可以区分条件和无条件模型组件。到目前为止,条件模型是包含相邻类别模型和整个层次结构模型的较大类别的模型。后者被引入作为一类模型,包括二叉树和层次结构的模型,有条件地使用序数模型。对潜在特质模型中包含的二元模型的研究阐明了模型与项目参数解释之间的关系。它还用于通过给出有序模型的概念化来区分有序模型和名义模型。该分类法与以前的分类法不同,它侧重于二分法的结构化使用,而不是参数化的作用。
2020-10-03 stat.ME
Testing for similarity of multivariate mixed outcomes using generalised joint regression models with application to efficacy-toxicity responses
本文针对临床试验中多元混合结局的组间相似性检验问题,提出基于高斯 copula 的广义联合回归方法,可处理连续、二元、分类及有序等多种尺度结局,并通过模拟和疗效-毒性案例验证其有效性。
2024-01-11 stat.ME
Joint Maximum Likelihood Estimation for High-dimensional Exploratory Item Response Analysis
联合极大似然(JML)估计是拟合项目反应理论(IRT)模型的最早方法之一。该过程将项目和人员参数视为未知但固定的模型参数,并通过求解优化问题同时估计它们。然而,当样本量趋于无穷大且项目数保持不变时,JML估计对于许多IRT模型是渐近不相容的。因此,在心理测量学文献中,这种估计量是不太喜欢边际极大似然(MML)估计。在本文中,我们重新调查的高维探索性项目因子分析的JML估计,从统计和计算的角度。特别是,我们建立了一个概念的统计一致性的约束JML估计,渐近设置下,项目和人的数量增长到无穷大,许多响应可能会丢失。一个并行计算算法,提出了这种估计,可以扩展到非常大的数据集。通过模拟研究,我们表明,当维数较高时,所提出的估计产生类似的结果,甚至比MML估计更好的结果,但可以更有效地获得计算。基于修订版的艾森克人格量表(EPQ-R),提供了一个说明性的真实数据示例。
2019-06-14 stat.ME
Joint modelling of time-to-event and longitudinal response using robust skew normal-independent distributions
针对纵向数据与事件时间联合建模中高斯假设的局限,提出基于稳健偏态正态独立分布的联合模型,以增强对偏态和异常值的鲁棒性。
2024-07-18 stat.ME
Efficient initial designs for binary response data
在本文中,我们介绍了一个二进制搜索算法,有效地找到初始最大似然估计的连续实验,其中二进制响应是由一个连续的因素。这个问题是由超导约瑟夫森结的开关测量引起的。在这个量子力学实验中,电流是由实验者控制的因素,并且测量指示电压响应的存在或不存在的二进制响应。模型参数的先验知识通常很贫乏,这可能导致常用的初始估计方法失效。二叉搜索算法被设计为即使在先验信息非常差的情况下也能可靠地工作。该算法的性能进行了研究,在模拟和优势的初始估计与等间隔的因素水平被证明。我们还研究了二进制搜索算法的成本效率,并找到近似最佳的测量每阶段的数量时,有一个成本相关的实验中的阶段数。关键词:最优设计,二分搜索,逻辑斯谛回归,互补重对数,量子物理,开关测量
2008-02-06 math.ST stat.ME stat.TH
A Tensor-EM Method for Large-Scale Latent Class Analysis with Binary Responses
针对二元响应大规模潜类别分析中传统 EM 收敛慢且易陷局部最优的问题,提出张量幂方法初始化 EM 的 Tensor-EM 流程,并证明 N、J 同时增大时 MLE 的聚类一致性。
2022-09-14 stat.ME
Smoothed quantile regression processes for binary response models
本文考虑了具有线性分位数限制的二元响应模型。相当概括以前的研究在这个问题上,我们的分析集中在无限收集的分位数估计。我们得到一个统一的线性化适当标准化的经验分位数的过程中,发现一些令人惊讶的差异与设置连续观察到的反应。此外,我们表明,考虑分位数过程提供了一种有效的方法来估计二进制选择概率,而无需限制性假设的形式的链接函数,异方差或需要高维非参数平滑的方法,到目前为止。一个统一的线性表示和渐近正态性的结果,并讨论了重排的连接。
2019-04-04 math.ST stat.ME stat.TH
A General Framework for Random Effects Models for Binary, Ordinal, Count Type and Continuous Dependent Variables Including Variable Selection
本文提出了一种一般随机效应混合阈值模型,支持连续、二分类、有序分类和计数等多种响应变量类型,突破了指数族分布限制并解决了过度分散问题,同时提供了参数稀疏化方法以应对高维参数挑战。
2024-04-27 stat.ME
Optimal Designs for Two-Level Factorial Experiments with Binary Response
我们考虑了在两个水平上的定性因子的析因试验中获得局部D-最优设计的问题,每个水平上都有二进制响应。我们主要关注2^2实验。在本文中,我们推导出一些特殊情况下的解析结果,并指出如何处理一般情况。均匀设计的性能进行了检查,我们表明,这种设计是非常有效的。对于一般的2^k情形,我们证明了均匀设计具有极大极小性质。
2010-05-12 math.ST stat.ME stat.TH
Zero-inflated generalized extreme value regression model for binary data and application in health study
逻辑斯谛回归模型被广泛用于研究二元反应变量$Y$和一组潜在预测因子$\mathbf X$之间的关系。二元响应可以表示例如某个感兴趣结果的发生(如果结果发生则为$Y=1$,否则为$Y=0$)。当因变量$Y$代表罕见事件时,逻辑斯谛回归模型显示出相关缺陷。为了克服这些缺点,我们提出了广义极值(GEV)回归模型。特别是,我们建议GEV分布的分位数函数作为链接函数,所以我们的注意力集中在响应曲线的尾部接近1的值。当一部分研究受试者(所谓的治愈个体,而不是合格者)无法经历感兴趣的结果时,观察样本被称为包含治愈分数。由此产生的一个问题是,除非观察到感兴趣的结果,否则通常不知道谁是治愈的受试者和谁是易感受试者。在这些情况下,对易感人群中$\mathbf X$和$Y$之间的关系进行逻辑斯谛回归分析并不简单。我们开发了一个极大似然估计程序,这个问题的基础上,联合建模的二进制响应的兴趣和治愈状态。我们调查的可识别性所产生的模型。然后,我们进行了模拟研究,调查其有限样本的行为,并应用到实际数据。
2021-05-02 stat.ME
A Generative Approach to Joint Modeling of Quantitative and Qualitative Responses
Dongbei University of Finance and Economics(东北财经大学);Illinois Institute of Technology(伊利诺伊理工学院);Virginia Tech(弗吉尼亚理工大学)
本文提出一种生成方法,联合建模定量和定性响应及预测变量,通过惩罚似然框架实现高效参数估计,并在材料科学和遗传学中通过模拟和实际案例验证其分类和预测的准确性。
2021-02-18 math.ST stat.ME stat.TH
Joint estimation of conditional quantiles in multivariate linear regression models. An application to financial distress
本文提出了一种最大似然方法来联合估计线性回归框架中多元响应变量的边缘条件分位数。我们考虑了Kotz等人(2001)提出的多元非对称Laplace分布的一个轻微的重新参数化,并利用其位置-尺度混合表示来实现一个新的估计模型参数的期望最大化算法。其思想是将非对称拉普拉斯分布和众所周知的单变量分位数回归模型之间的联系扩展到多变量环境,即当涉及多变量因变量时。该方法考虑了多个响应之间的关联,并研究响应和解释变量之间的关系如何在响应的边际条件分布的不同分位数之间变化。一个惩罚版本的期望最大化算法也提出了解决问题的变量选择。我们的方法的有效性进行了分析,在模拟研究中,我们还提供证据的效率增益所提出的方法相比,通过单独的单变量分位数回归估计。一个真正的数据应用程序,最后提出了研究的主要决定因素,在一个样本的意大利企业的财务困境。
2018-08-03 stat.ME
LNIRT: An R Package for Joint Modeling of Response Accuracy and Times
在\textit{computer-based testing}中,收集每个供试品的响应准确度(RA)和响应时间(RT)已成为标准。IRT模型用于测量潜在变量(例如,能力,智力)使用RA观察。RT中的信息可以帮助改进(教育)测试中的常规操作,并提供有关工作速度的信息。在现代应用中,需要联合模型来整合测试分析中的RT信息。R-package LNIRT支持通过用户友好的设置来拟合关节模型,只需指定RA、RT数据和吉布斯抽样迭代总数。更详细的分析规范是可选的。主要结果可以通过汇总功能报告,但输出也可以使用马尔可夫链蒙特卡罗(MCMC)输出工具进行分析(即,coda,mcmcse)。LNIRT软件包的主要功能说明了两个真实的数据应用程序。
2021-06-18 stat.CO stat.ME
Parametric bootstrapping in a generalized extreme value regression model for binary response
当我们研究代表罕见事件的二元响应变量$Y$和潜在预测变量$\mathbf{X}$之间的关系时,广义极值(GEV)回归往往更适合。特别地,我们使用GEV分布的分位数函数作为链接函数。Bootstrapping将准确性的度量(偏倚、方差、置信区间、预测误差、假设检验)分配给样本估计值。该技术允许使用随机抽样方法估计几乎任何统计量的抽样分布。Bootstrapping通过从近似分布中采样时测量估计量的属性来估计估计量的属性。本文首先对广义极值回归模型进行拟合,然后用参数Bootstrap方法检验假设,估计广义极值回归模型参数的置信区间,并给出一个实际数据应用。
2021-05-02 stat.AP stat.ME
Recovering manifold structure in LLM responses through a joint Euclidean mirror
Imperial College London(帝国理工学院);Johns Hopkins University(约翰斯·霍普金斯大学);University of Virginia(弗吉尼亚大学)
本文通过联合欧几里得镜面分析LLM响应分布的变化,揭示模型参数与响应分布之间的几何关系,提出估计镜面和推断模型参数的方法,用于预测不同调参下的响应分布。
2026-04-24 stat.AP stat.ME
Bayesian inference on high-dimensional multivariate binary responses
收集高维二进制响应数据已变得越来越普遍;例如,随着生态学中新的采样技术的出现。在较小的维度中,多变量概率单位(MVP)模型通常用于推断。然而,由于可能性的棘手性,用于拟合这样的模型的算法在按比例放大到高维时面临问题,涉及在没有解析形式的多元正态分布上的积分。虽然已经提出了各种算法来近似这个棘手的积分,这些方法是难以实现和/或不准确的高维。我们的主要重点是在容纳高维二进制响应数据与一个小到中等数量的协变量。我们提出了一个两阶段的模型参数的推断方法,同时照顾阶段之间的不确定性传播。我们使用的特殊结构的潜在高斯模型,以减少联合参数估计涉及的高成本的计算集中在边缘分布的模型参数的推断。这基本上使得该方法对于两个阶段都是并行的。我们说明了在模拟和应用程序的联合物种分布生态学建模的性能。
2022-10-24 stat.CO stat.ME
Markov counting models for correlated binary responses
我们提出了一类连续时间马尔可夫计数过程分析相关的二进制数据,并建立这些模型之间的对应关系和可交换的伯努利随机变量的总和。我们的方法概括了许多以前的模型相关的结果,承认容易解释的参数化,允许不同的集群大小,并采用了自然的方式确认偏差。我们展示了几个新的模型,依赖的结果,并提供算法计算最大似然估计。我们展示了如何在回归设置中纳入集群特定的协变量,并展示了对来自家族性疾病流行病学和发育毒理学的知名数据集的改进拟合。
2014-08-27 math.ST stat.ME stat.TH
Robust Emax Model Fitting: Addressing Nonignorable Missing Binary Outcome in Dose-Response Analysis
University of California, Davis(加州大学戴维斯分校);Pfizer Inc.(辉瑞公司)
本文提出了一种基于惩罚似然的方法,用于解决剂量反应分析中非忽略缺失二元结局问题,通过整合修改的期望-最大化算法和非信息性先验,减少参数估计偏倚并提升模型性能。
2024-09-30 stat.AP stat.ME
Robust low-rank estimation with multiple binary responses using pairwise AUC loss
Norwegian Institute of Public Health(挪威公共卫生研究院)
本文提出了一种基于成对AUC损失的鲁棒低秩估计框架,用于处理多个二元响应问题,通过低秩约束和高效算法提升了模型的判别性能和鲁棒性。
2026-01-13 cs.LG stat.ME stat.ML
Joint Multivariate and Functional Modeling for Plant Traits and Reflectances
叶水平性状对不同环境条件响应的研究对于理解植物生态学具有重要意义。遥感技术使得能够测量植物的反射率,以沿着环境梯度推断潜在的特征。虽然很多重点放在了解反射率和性状是如何在叶水平相关,建模的挑战,这种关系的依赖性,沿环境梯度限制了这条调查线。在这里,我们采取的问题,联合建模的特点和反射率给定的环境。我们的目标是评估不仅对环境回归因子的反应,而且在这种回归的背景下,性状水平和反射光谱之间的依赖性。这导致联合建模的特征与反射率作为一个功能响应的波长光谱的响应向量。为了进行这项调查,我们采用了一个全球生物多样性热点,在南非的大开普省植物区系的数据集。
2022-10-02 stat.AP stat.ME
Modeling of Multisite Precipitation Occurrences Using Latent Gaussian-based Multivariate Binary Response Time Series
建立了一个新的多点观测日降水过程的随机模式。模型的概念是用指示函数和多元高斯分布的椭圆形状来表示日降水发生的联合概率。通过使用这个概念,所需的降水发生建模的参数的数量可以大大减少时,常用的两个状态的马尔可夫链的方法相比。通过这种参数的减少,模拟不同地点观测到的日降水发生过程的时空依赖性不再困难。一个说明性的应用程序,使用的降水记录从网络的10个雨量计在魁北克省南部地区的结果,也证明了所提出的模型的准确性和可行性。
2020-03-18 stat.AP stat.ME
perms: Likelihood-free estimation of marginal likelihoods for binary response data in Python and R
本文介绍 Python/R 软件包 perms,用无似然的排列计数方法估计可交换二元响应模型的边际似然,支持非参数模型与大数据,并通过示例和模拟验证其效率。
2023-12-10 stat.CO stat.ME
Methods for Bayesian Variable Selection with Binary Response Data using the EM Algorithm
高维贝叶斯变量选择问题通常使用计算昂贵的马尔可夫链蒙特卡罗(MCMC)技术来解决。最近,贝叶斯变量选择技术被开发用于连续数据,使用称为EMVS的期望最大化算法。我们提出了一个逻辑和概率扩展的EMVS方法,以二进制数据。为了保持EMVS的计算速度,我们还实现了随机双坐标下降(SDCA)算法。此外,我们进行了两个广泛的模拟研究,以显示这两种方法的计算速度。这些模拟研究揭示了这两种方法快速识别正确稀疏模型的能力。当将这些EMVS方法与随机搜索变量选择(SSVS)进行比较时,EMVS方法在计算速度和正确识别重要变量方面都超过SSVS。最后,我们在两个著名的基因表达数据集上说明了这两种方法的有效性。我们的结果反映了这些数据集的先前检查的结果,计算成本要低得多。
2016-05-18 stat.CO stat.ME
Evaluating Bias Reduction Methods in Binary Emax Model for Reliable Dose-Response Estimation
University of California, Davis(加州大学戴维斯分校);Pfizer Inc.(辉瑞公司)
本文通过评估三种偏倚减少方法,提出使用Jeffreys先验的MPLE在小样本和模型假设违反情况下提供更稳健的剂量-反应估计。
2025-09-22 stat.AP stat.ME
Heywood cases in unidimensional factor models and item response models for binary data
Heywood案例在线性因子分析文献中被认为是公共性大于1.00的变量,在当今的因子模型中,这个问题也表现在负残差方差上。对于二进制数据,有序因子模型可以应用delta参数化或theta参数化。前者比后者更常见,并且当使用有限信息估计时可以产生Heywood情况。同样的问题在θ参数化因子模型中表现为非收敛情况,在项目反应理论(IRT)模型中表现为极大的歧视。在这项研究中,我们解释了为什么同样的问题会以不同的形式出现,这取决于分析方法。我们首先讨论这个问题,使用方程,然后说明我们的结论,使用一个小的模拟研究,其中所有三种方法,三角洲和θ参数化的有序因子模型(估计基于多元相关性)和IRT模型(全信息估计),用于分析相同的数据集。我们还比较了序因子模型的WLS,WLSMV和ULS估计的性能。最后,我们用同样的三种方法分析真实数据。仿真研究和实际数据分析的结果证实了理论结论。
2021-08-12 stat.AP stat.ME
A Multinomial Canonical Decomposition Model, with emphasis on the analysis of Multivariate Binary data
Leiden University(莱顿大学)
本文提出将多项式模型的广义参数分解为参与者和类别分数,利用外部信息限制这些分数,通过主要化-最小化算法估计参数,特别关注类别表示二元响应变量配置的情况,推导了解释规则并讨论了与loglinear模型等的联系。
2025-01-22 stat.CO stat.ME
Online Bayesian Model Averaging with Joint Uncertainty Quantification for Models and Regression Coefficients in Binary Regression
The University of Iowa(爱荷华大学)
针对流式二元响应数据,提出基于可再生估计的在线贝叶斯模型平均方法,在降低计算成本的同时近似离线推断,并量化模型与系数的不确定性,支持自适应问题分配。
2026-09-21 stat.AP stat.CO stat.ME
Constrained Markov decision processes for response-adaptive procedures in clinical trials with binary outcomes
本研究提出用于二分类结局临床试验响应自适应程序的CMDP方法,可在约束下实现特定目标,开发了最优及近优求解方法,实验表明其在I、II类错误相关场景下性能优于现有CRDP程序。
2024-01-28 math.OC stat.ME
Commentary: analyzing binary data using MCPMod when zero counts are expected
Bretz et al(2005)提出了多重比较程序和建模(MCPMod)方法来设计和分析剂量探索研究。Pinheiro(2014)随后将其推广到各种类型的终点,包括但不限于二元终点、生存终点、计数数据和纵向数据。Pinheiro(2013)建议使用来自观察数据的估计协方差阵重新计算最佳对比度和检验临界值。对于许多II期研究,每组样本量较小且安慰剂应答率较低是常见的。在这种情况下,不能排除观察到零计数。例如,当安慰剂应答率为10%时,在安慰剂组或与安慰剂具有相似应答率的其他剂量组中观察到零应答者的可能性约为4%。在这篇手稿中,我们想用案例研究和模拟来说明Pinheiro(2013)的潜在问题。评价了使用Firth逻辑斯谛回归的替代方法,以获得每个剂量组的反应稳定估计值。此外,我们评估了两个选项,以解决有问题的对比度系数的问题。
2022-02-17 stat.AP stat.ME
Joint Mean and Correlation Regression Models for Multivariate Data
本文提出一种联合均值与相关性回归模型,可同时回归多元响应的均值与相关性,并开发了联合估计方程和迭代估计程序,模拟验证了其有限样本性能,应用于苏格兰38种步甲虫数据,揭示了环境协变量对物种丰度的影响及体长对物种间相关性的驱动作用。
2025-02-27 math.ST stat.AP stat.ME
The Finite-Horizon Two-Armed Bandit Problem with Binary Responses: A Multidisciplinary Survey of the History, State of the Art, and Myths
Lancaster University(兰卡斯特大学)
在本文中,我们考虑的两个武装土匪问题,这往往自然出现本身或作为一个子问题,在一些多武装的推广,并作为一个起点,引入额外的问题功能。考虑二元反应的动机是其广泛的适用性和被研究最多的设置之一。我们专注于未贴现的有限时域目标,这是在许多应用中最相关的。我们试图统一的术语,因为这是不同的学科,已经考虑到这个问题,并提出了一个统一的模型投在马尔可夫决策过程框架,受试者响应建模使用伯努利分布,和相应的β分布贝叶斯更新。我们从几个学科的方法,包括实验设计,贝叶斯决策论,朴素设计,强化学习,生物统计学和组合设计的历史和国家的艺术进行了广泛的说明。我们评估这些设计,连同一些新提出的,准确的计算(使用作者在Julia编程语言中新编写的包),以比较它们的性能。我们表明,结论是不同的温和的视野(典型的实践)比小视野(典型的学术文献报告计算结果)。我们进一步列出并澄清了关于这个问题的一些神话,例如,我们表明,在计算上,更大的问题可以设计到贝叶斯最优比通常认为的。
2019-06-20 cs.LG math.OC stat.CO
Revisiting Optimal Allocations for Binary Responses: Insights from Considering Type-I Error Rate Control
本研究针对响应自适应设计加剧I类错误率膨胀的未被记录问题,推导两种结合得分检验与有限样本估计量的最优分配比例,经模拟验证可在控错的同时提升患者结局,且框架可拓展至多类场景。
2025-06-01 math.ST stat.AP stat.ME