×
Wonyul李;米兰达（Michelle F.Miranda）。;菲利普·劳什;维拉巴德兰·巴拉丹达尤塔帕尼;马西莫·法齐奥;唐斯，J.克劳福德;杰弗里·莫里斯。

序列相关函数数据的贝叶斯半参数函数混合模型，并应用于青光眼数据。 （英语） Zbl 1420.62456号

美国统计协会。 114，编号526，495-513（2019）.
摘要：青光眼是致盲的主要原因，其特征是与眼压（IOP）相关的视神经损伤，但其完整病因尚不清楚。UAB的研究人员设计了一种定制设备，在固定的眼压水平下连续测量眼睛周围的巩膜应变，用于评估后极周围的应变如何随眼压变化，以及年龄等青光眼风险因素的变化。假设巩膜张力随着年龄的增长而减少，这可能会改变视神经头的生物力学，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对这些复杂数据进行建模，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的大小和平滑度上发生变化，多层次随机效应函数用于捕获受试者内的相关性，和功能生长曲线项，以捕捉巩膜表面周围不同眼压之间的系列相关性。我们的方法对巩膜表面或其任何聚集或转化产生了完全的贝叶斯推断，并揭示了对青光眼生物力学病因的有趣见解。所描述的通用建模框架非常灵活，适用于许多复杂的高维功能数据。

引用于9文件

MSC公司：

62页第10页 统计学在生物学和医学中的应用；元分析
62J05型 线性回归；混合模型
62J07型 岭回归；收缩估计量
62G08号 非参数回归和分位数回归

关键词：

功能数据分析;函数混合模型;函数回归;纵向功能数据;非参数效应;平滑样条

软件：

ElemStatLearn（电子状态学习）;全氟橡胶;lme4公司;国家实验室;加迈尔;半标准杆
PDF格式BibTeX公司 XML格式引用
\textit{W.Lee}等人，《美国统计协会期刊》第114期，第526、495--513号（2019年；Zbl 1420.62456）
全文： 内政部 arXiv公司 链接

参考文献：

[1] Aston，J.A。；Chiou，J.-M。；Evans，J.P.，《使用功能主成分混合效应模型进行语言音高分析》，《皇家统计学会杂志》，59297-317（2010）
[2] 贝茨，D。；Mächler，M。；Bolker，B。；Walker，S.，使用lme4拟合线性混合效应模型，统计软件杂志，67，1-48（2015）
[3] Berhane，K。；莫利托，N.-T.，《基于功能的纵向数据多级建模的贝叶斯方法：在环境流行病学中的应用》，生物统计学，9686-699（2008）·Zbl 1437.62395号
[4] 伯克，R。；布朗，L。；Buja，A。；张凯。；Zhao，L.，有效的选后推断，《统计年鉴》，41802-837（2013）·Zbl 1267.62080号
[5] Bhattachary，A。；帕蒂，D。；皮莱，N.S。；Dunson，D.B.，Dirichlet-Laplace最优收缩先验，美国统计协会杂志，110，1479-1490（2015）·Zbl 1373.62368号
[6] 布罗克豪斯，S。；Scheipl，F。；Hothorn，T.公司。；Greven，S.，函数线性阵列模型，统计建模，15279-300（2015）·Zbl 07258990号
[7] Brumback，B.A。；Rice，J.A.，曲线嵌套和交叉样本分析的平滑样条模型，美国统计协会杂志，93，961-976（1998）·Zbl 1064.62515号
[8] Burgoyne，C.F。；Downs，J.C.，《视神经头生物力学如何影响老年视神经头的易感性和临床行为的前提和预测》，青光眼杂志，17318-328（2008）
[9] 卡瓦略，C.M。；波尔森，N.G。；Scott，J.G.，《马蹄形稀疏信号估计器》，《生物统计学》，第97期，第465-480页（2010年）·Zbl 1406.62021号
[10] 塞德鲍姆，J。；Poupler，M。；Hoole，P。；Greven，S.，《不规则或稀疏采样数据的函数线性混合模型》，统计建模，16，67-88（2015）·Zbl 07259010号
[11] Chen，K。；M'Uller，H.-G.，《重复功能观测建模》，美国统计协会杂志，1071599-1609（2012）·Zbl 1258.62071号
[12] Demmler，A。；Reinsch，C.，《样条平滑的振荡矩阵》，《数值数学》，第24期，第375-382页（1975年）·Zbl 0297.65002号
[13] 艾勒斯，P.H.C。；马克思，B.D.，B样条和惩罚的灵活平滑，统计科学，1189-121（1986）·Zbl 0955.62562号
[14] 法齐奥，医学硕士。；布鲁诺，L。；Reynaud，J.F。；Poggialini，A。；Downs，J.C.，《使用电子散斑干涉术获得浸没样品精确亚微米位移测量的补偿方法》，《生物医学光学快报》，3407-417（2012）
[15] 法齐奥，医学硕士。；Grytz，R。；布鲁诺，L。；Girard，M.J.A。；加德纳，S。；Girkin，C.A。；Downs，J.C.，《人类后巩膜机械应变的区域变化》，《眼科学与视觉科学研究》，第53期，第5326-5333页（2012年）
[16] 法齐奥，医学硕士。；Grytz，R。；莫里斯，J.S。；布鲁诺，L。；Gardiner，S.K。；Girkin，C.A。；Downs，J.C.，《人乳头周围巩膜应变中与年龄相关的变化，生物力学和机械生物学建模》，13，551-563（2014）
[17] E.I.乔治。；Mcculloch，R.E.，《通过吉布斯抽样进行变量选择》，美国统计协会杂志，88，881-889（1993）
[18] Gerthiss，J。；戈德史密斯，J。；克雷尼西亚努，C。；Greven，S.，纵向标量函数回归及其在拖拉机制图数据中的应用，生物统计学，14，447-461（2013）
[19] Gerthiss，J。；Maity，A。；Staicu，A.M.，广义函数线性模型中的变量选择，Stat，286-101（2013）
[20] 戈德史密斯，J。；克雷尼切努，C.M。；Caffo，B。；Reich，D.，《神经管测量认知结果的纵向惩罚功能回归》，《皇家统计学会杂志》，61453-469（2012）
[21] 戈德史密斯，J。；Kitago，T.，《使用层次功能-标度回归评估中风对运动控制的系统影响》，英国皇家统计学会杂志，65，215-236（2016）
[22] 格雷文，S。；克雷尼西亚努，C。；Caffo，B。；Reich，D.，纵向功能主成分分析，《电子统计杂志》，41022-1054（2010）·兹比尔1329.62334
[23] 格雷文，S。；Scheipl，F.，《函数回归建模的一般框架》，统计建模，17，1-35（2017）·Zbl 07289474号
[24] ---，Rejoiner，统计建模，17，100-113（2017）·Zbl 07289481号
[25] 格里芬，J.E。；Brown，P.J.，回归问题中正态伽马先验分布的推断，贝叶斯分析，5171-188（2010）·Zbl 1330.62128号
[26] 哈森斯塔布，K。；Scheer，A。；Telesca，D。；糖，C.A。；Jeste，S。；Distefano，C。；Senturk，D.，《脑电数据的多维功能主成分分析》，生物统计学，73999-1009（2017）·Zbl 1522.62142号
[27] 哈斯蒂，T。；蒂布希拉尼，R。；Friedman，J.，《统计学习的要素：数据挖掘、推断和预测》（2009），纽约；柏林，海德堡：Springer-Verlag，纽约；柏林，海德堡·兹比尔1273.62005
[28] 伊斯兰，M.N。；A.-M.施泰克。；Van Heugten，E.，纵向动态函数回归，1-23（2016）
[29] Kundu，M.G。；Harezlak，J。；Randolph，T.W.，《结构化惩罚的纵向函数模型》，统计建模，16，114-139（2016）·Zbl 07259013号
[30] 新墨西哥州莱尔德。；Ware，J.H.，纵向数据的随机效应模型，生物统计学，38，963-974（1982）·Zbl 0512.62107号
[31] 李毅。；Guan，Y.，时空点过程的函数主成分分析及其在疾病监测中的应用，美国统计协会杂志，1091205-1215（2014）·Zbl 1368.62161号
[32] Meyer，M.J。；库尔，B.A。；范思哲，F。；辛西里皮尼，P。；Morris，J.S.，Bayesian Function-on-Function Regression for Multi-level Functional Data，生物统计学，71，563-574（2015）·Zbl 1419.62408号
[33] Morris，J.S.，《函数回归》，《统计及其应用年鉴》，第2期，第321-359页（2015年）
[34] ---《两种通用函数回归建模框架的比较与对比》，统计建模，17，59-86（2017）·Zbl 07289478号
[35] 莫里斯，J.S。；巴拉丹达尤塔帕尼，V。；R.C.Herrick。；桑纳，P。；Gutstein，H.，使用同构函数混合模型对定量图像数据进行自动分析，及其在蛋白质组学数据中的应用，应用统计年鉴，5605-1125（2011）·Zbl 1454.62367号
[36] 莫里斯，J.S。；Carroll，R.J.，基于小波的函数混合模型，《皇家统计学会杂志》，68，179-199（2006）·Zbl 1110.62053号
[37] 莫里斯，J.S。；Vannucci，M。；Brown，P.J。；Carroll，R.J.，《结肠癌发生中基于小波的层次功能非参数建模》，美国统计协会杂志，98，573-583（2003）·Zbl 1040.62104号
[38] 帕克，S.Y。；Staicu，A.-M.，《纵向功能数据分析》，Stat，4212-226（2015）
[39] 帕克，T。；Casella，G.，《贝叶斯拉索》，《美国统计协会杂志》，103，681-686（2008）·Zbl 1330.62292号
[40] 皮涅罗，J。；贝茨，D。；德布罗伊，S。；Sarkar，D。；R、 核心团队，nlme:线性和非线性混合效应模型，R包3.1-131版（2017）
[41] Ruppert，D。；Wand，M.P。；Carroll，R.J.，《半参数回归》（2003），纽约：剑桥大学出版社，纽约·Zbl 1038.62042号
[42] Scheipl，F。；Gerthiss，J。；Greven，S.，广义函数加性混合模型，统计建模，101455-1492（2016）·Zbl 1341.62242号
[43] Scheipl，F。；Kneib，T。；Fahrmeir，L.，回归模型中的惩罚似然和贝叶斯函数选择，AStA统计分析进展，97，349-385（2013）·Zbl 1443.62106号
[44] Scheipl，F。；A.-M.施泰克。；Greven，S.，《函数加性混合模型》，《计算与图形统计学杂志》，24777-501（2015）
[45] 寿，H。；齐普尼科夫，V。；克雷尼切努，C.M。；Greven，S.，《结构功能主成分分析》，生物统计学，71，247-257（2015）·Zbl 1393.62099号
[46] 西格尔，I.A。；弗拉纳根，J.G。；Ethier，C.R.，《影响视神经头生物力学的因素》，《眼科学与视觉科学研究》，46，4189-4199（2005）
[47] 施皮盖尔哈特，D.J。；贝斯特，N.G。；卡林，B.P。；Van Der Linde，A.，《模型复杂性和拟合的贝叶斯度量》，《皇家统计学会杂志》，64，583-639（2002）·兹比尔1067.62010
[48] Vaida，F。；Blanchard，S.，混合效应模型的条件Akaike信息，生物统计学，92，351-370（2005）·Zbl 1094.62077号
[49] Wahba，G.，《不正确的先验、样条平滑和回归中的模型误差防护问题》，英国皇家统计学会期刊，40364-372（1978）·Zbl 0407.62048号
[50] Wand，M.P。；Ormerod，J.T.，《关于OSullivan惩罚样条的半参数回归》，澳大利亚和新西兰统计杂志，50，179-198（2008）·Zbl 1146.62030号
[51] Wood，S.N.，《广义加性模型：R简介》（2006），佛罗里达州博卡拉顿：CRC出版社，佛罗里达州波卡拉顿·Zbl 1087.62082号
[52] 张，L。；巴拉丹达尤塔帕尼，V。；朱，H。；巴格利，K.A。；捷克，B.A。；Morris，J.S.，大型空间相关函数数据集的函数CAR模型，美国统计协会杂志，111772-786（2016）
[53] 朱，H。；Brown，P.J。；Morris，J.S.，《函数混合模型框架中的稳健自适应函数回归》，美国统计协会杂志，1061167-1179（2011）·Zbl 1229.62053号
[54] 朱，H。；范思哲，F。；辛西里皮尼，F。；Morris，J.S.，用于分析事件相关电位的鲁棒和高斯空间函数回归模型（2018）
[55] 齐普尼科夫，V。；Caffo，B。；Yousem，D.M。；Davatzikos，C。；施瓦茨，B.S。；Crainiceanu，C.，《高维数据的多级函数主成分分析》，计算与图形统计杂志，20852-873（2011）
[56] 齐普尼科夫，V。；格雷文，S。；寿，H。；Caffo，B。；Reich，D.S。；Crainiceanu，C.，纵向高维主成分分析及其在多发性硬化扩散张量成像中的应用，应用统计学年鉴，82175-2202（2014）·Zbl 1454.62190号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。