尼古拉斯·西多夫;格兰特·布朗;布雷纳·斯科扎;克里斯汀·彼得森。 混合结果类型的联合贝叶斯纵向模型和相关模型选择技术。 （英语） Zbl 07800939号 计算。斯达。 38，第4期，1735-1769（2023）. 摘要：基于对美国犬只利什曼病进展的数据测量，我们开发了一个带有自回归误差的贝叶斯纵向模型，以联合分析顺序和连续结果。多变量方法可以借用各种反应的力量，并可能比单变量方法产生更好的疾病进展纵向预测。我们在仿真中研究了我们提出的模型的性能，并证明与传统贝叶斯层次模型相比，它提高了预测精度。我们进一步确定了适当的模型选择标准。我们表明，我们的方法有望用于临床，尤其是当序数结果与其他变量类型一起测量时，这些变量类型可能有助于临床决策。这种方法特别适用于多种不完善的疾病进展测量。 MSC公司： 62-08 统计问题的计算方法 关键词：贝叶斯主义者;MCMC公司;顺序回归;纵向数据分析 软件：业务风险管理系统;spBayes公司;贝叶斯DA;卡爪;OpenMx（OpenMx）;MCMCglmm公司;化学需氧量;贝叶斯图;斯坦;验证;tmv规范 PDF格式BibTeX公司 XML格式引用 \textit{N.Seedorff}等人，计算。Stat.38，No.4，1735---1769（2023；Zbl 07800939） 全文： 内政部 参考文献： [1] Agresti，A.，分类数据分析。《概率统计中的威利级数》（2012），霍博肯：威利，霍博克 [2] 艾伯特，JH；Chib，S.，二进制和多光子响应数据的贝叶斯分析，美国统计协会杂志，88，422，669-679（1993）·兹比尔0774.62031 ·doi:10.1080/016214519993.10476321 [3] 阿莱西·R。；Hochguertel，S。；van Soest，A.，《股票和共同基金的所有权：面板数据分析》，《Rev Econ Stat》，86，3，783-796（2004）·数字对象标识代码：10.1162/0034653041811761 [4] Alvar，J。；维莱兹，ID；Bern，C.，《全球利什曼病及其发病率的全球估计》，《公共科学图书馆·综合》，第7期，第5期（2012年）·doi:10.1371/journal.pone.0035671 [5] 班纳吉，S。；英国石油公司卡林；Gelfand，AE，空间数据的层次建模和分析（2015），伦敦：查普曼和霍尔/CRC，伦敦·Zbl 1358.62009号 [6] Bürkner，PC，《使用R包进行高级贝叶斯多级建模》，R J，10，1，395-411（2018）·doi:10.32614/RJ-2018-017 [7] Cappellari L，Jenkins SP（2008）《社会援助收入的动态：计量和建模问题》，英国应用。经合组织社会、就业和移民工作文件67，经合组织出版，doi:10.1787/236346714741 [8] 卡彭特，B。；Gelman，A。；Hoffman，MD，Stan:概率编程语言，J Stat Softw Artic，76，1，1-32（2017）·doi:10.18637/jss.v076.i01 [9] Catalno，PJ，集群连续和有序分类结果的双变量建模，Stat Med，16，8，883-900（1997）·doi:10.1002/（sici）1097-0258（19970430）16:8<883:：aid-sim542>3.0.co；2-e型 [10] 陈，JC；Grant，AL，《关于波动率建模的观测数据偏差信息标准》，《金融经济杂志》，第14、4、772-802页（2016年） [11] 查普伊斯，F。；Sundar，S。；Hailu，A.，内脏利什曼病：诊断、治疗和控制的需要是什么？，Nat Rev Microbiol，5，11，873-882（2007）·doi:10.1038/nrmicro1748 [12] Chi，EM；Reinsel，GC，具有随机效应和ar（1）误差的纵向数据模型，美国统计协会杂志，84，406，452-459（1989）·doi:10.1080/01621459.1989.10478790 [13] Cowles，MK，累积链广义线性模型的加速蒙特卡罗-马尔可夫链收敛，统计计算，6101-111（1996）·doi:10.1007/BF00162520 [14] 整流罩，MK；英国石油公司卡林；Connett，JE，纵向序贯临床试验依从性数据的贝叶斯-tobit建模，美国统计协会，91，433，86-98（1996）·Zbl 0870.62083号 ·doi:10.1080/016214519996.10476666 [15] 北卡罗来纳州克雷西。；Wikle，CK，《时空数据统计》（2011），霍博肯：威利，霍博克·Zbl 1273.62017年 [16] 丁·S。；Cook，RD，矩阵值预测因子的维度折叠pca和pfc，Stat Sin，24，1，463-492（2014）·Zbl 1416.62325号 [17] Duprey，ZH；FJ斯特勒；鲁尼，JA，《犬内脏利什曼病》，美国和加拿大，2000-2003年，《新发感染性疾病》，12，3，440-446（2006）·数字对象标识代码：10.3201/eid1203.050811 [18] 爱泼斯坦，ES，等级类别概率预测评分系统（1962-1982），《应用气象杂志》，8，6，985-987（1969）·doi:10.1175/1520-0450（1969）008<0985:ASSFPF>2.0.CO；2 [19] 费塞，N。；Wansbrough-Jones，M。；Mabey，DCW，《被忽视的热带疾病》，Br Med Bull，93，179-200（2009）·doi:10.1093/bmb/ldp046 [20] Gabri J，Mahr T（2021）《贝叶斯图：贝叶斯模型的绘制》。R软件包版本1.8.0 [21] Gelman A，Hill J（2007），使用回归和多级/层次模型进行数据分析。In：社会研究的卷分析方法。剑桥大学出版社，纽约 [22] Gelman，A。；DB鲁宾，《使用多序列从迭代模拟中推断》，《统计科学》，第7、4、457-472页（1992年）·Zbl 1386.65060号 ·doi:10.1214/s/s1177011136 [23] Gelman，A。；van Dyk，DA；Huang，Z.，《使用冗余参数化拟合层次模型》，J Comput Gr Stat，17，1，95-122（2008）·doi:10.1198/106186008X287337 [24] Gelman，A。；Carlin，J。；Stern，H.，贝叶斯数据分析（2013），博卡拉顿：查普曼和霍尔/CRC，博卡拉通·兹比尔0914.62018 ·doi:10.1201/b16018 [25] Gelman，A。；黄，J。；Vehtari，A.，《理解贝叶斯模型的预测信息标准》，统计计算，24997-1016（2014）·Zbl 1332.62090号 ·doi:10.1007/s11222-013-9416-2 [26] MG杰顿；Kleiber，W.，多元地质统计学的交叉协方差函数，《统计科学》，30，2，147-163（2015）·Zbl 1332.86010号 ·doi:10.1214/14-STS487 [27] 加塞姆扎德，S。；甘贾利，M。；Baghfalaki，T.，纵向混合有序和连续数据联合建模的贝叶斯分位数回归，《公共统计模拟计算》，49，2，375-395（2020）·Zbl 07552580号 ·doi:10.1080/03610918.2018.1484482 [28] Gueorguieva，房车；Agresti，A.，集群二进制和连续响应联合建模的相关概率模型，美国统计协会杂志，96，455，1102-1112（2001）·Zbl 1072.62612号 ·doi:10.1198/016214501753208762 [29] Hadfield，JD，《多响应广义线性混合模型的Mcmc方法：MCMCglmm R包》，J Stat Softw，33，2，1-22（2010）·doi:10.18637/jss.v033.i02 [30] Hasegawa，H.，贝叶斯动态面板有序概率模型及其在主观幸福感中的应用，《公共统计模拟计算》，38，6，1321-1347（2009）·Zbl 1167.62490号 ·网址：10.1080/03610910902903133 [31] JJ·赫克曼；曼斯基，CF；McFadden，DL，估计离散时间离散数据随机过程中的附带参数问题和初始条件问题，离散数据的结构分析与经济计量应用，179-195（1981），剑桥：麻省理工学院出版社，剑桥·Zbl 0504.0023号 [32] Heckman，James J（1981）离散面板数据的统计模型。离散数据的结构分析与计量经济学应用114:178·Zbl 0516.62095号 [33] 金，X。；班纳吉，S。；卡林（Carlin），英国石油公司（BP），《无序共区域化区域数据模型及其在多重数据制图中的应用》，英国皇家统计学会期刊B（Stat Method），69，5，817-838（2007）·Zbl 07555376号 ·文件编号：10.1111/j.1467-9868.2007.00612.x [34] Jones，RH，纵向和聚类数据的贝叶斯信息标准，《统计医学》，30，25，3050-3056（2011）·doi:10.1002/sim.4323 [35] Kang，EL；Cressie，N.，空间随机效应模型的贝叶斯推断，美国国家统计协会，106495972-983（2011）·Zbl 1229.62008号 ·doi:10.1198/jasa.2011.tm09680 [36] LeishVet（2016）临床分期、治疗和预后。https://www.leishvet.org/fact-sheet/clinical-staging/ [37] 李强。；潘，J。；Belcher，J.，纵向连续、二元和有序事件联合建模的贝叶斯推断，《统计方法医学研究》，25，6，2521-2540（2016）·doi:10.1177/0962280214526199 [38] 李，ZR；TH麦科米克；Clark，SJ，使用贝叶斯潜在高斯图形模型推断口头尸检中的症状关联，贝叶斯分析，15，3，781-807（2020）·兹比尔1459.62096 ·doi:10.1214/19-BA1172 [39] 刘，JS；Wu，YN，数据增强的参数扩展，美国统计学会杂志，94，448，1264-1274（1999）·Zbl 1069.62514号 ·doi:10.1080/01621459.1999.10473879 [40] MacNab，YC，多元格点数据共区域化的线性模型：有序依赖和无序cmcars，Stat Methods Med Res，25，4，1118-1144（2016）·doi:10.1177/0962280216660419 [41] 马蒂亚斯，L。；Sevestre，P.，《面板数据的计量经济学：理论和实践的基本原理和最新发展》（2008），柏林：施普林格出版社，柏林·Zbl 1137.62088号 ·doi:10.1007/978-3-540-75892-1 [42] 孟，XL；Dyk，DAV，通过条件和边缘增强寻求有效的数据增强方案，Biometrika，86，2，301-320（1999）·Zbl 1054.62505号 ·doi:10.1093/biomet/86.2.301 [43] 验证：天气预报验证实用程序，R Package Vers，1，42（2015） [44] 尼尔，MC；Hunter，医学博士；Pritikin，JN，OpenMx 2.0：扩展结构方程和统计建模，《心理测量学》，81，2，535-549（2016）·Zbl 1345.62162号 ·doi:10.1007/s11336-014-9435-8 [45] 奥马利，AJ；Zaslavsky，AM，结构化无响应多层次调查数据的领域级协方差分析，美国统计协会杂志，103，484，1405-1418（2008）·Zbl 1286.62096号 ·doi:10.1198/0162145000000724 [46] 加利福尼亚州彼得森；Barr，SC，《北美犬利什曼病：新出现还是新发现？》？，《兽医诊所北美小动物杂志》，39，6，1065-1074（2009）·doi:10.1016/j.cvsm.2009.06.008 [47] Plummer M（2003）Jags:使用吉布斯抽样分析贝叶斯图形模型的程序 [48] 普卢默，M。；贝斯特，N。；Cowles，K.，Coda:mcmc的收敛诊断和输出分析，R News，6，1，7-11（2006） [49] 普罗维索，D。；西班牙斯帕达。；Bagnagatti de Giorgi，G.，利什曼原虫ifat滴度与犬临床病理表现（临床评分）之间的关系，《生物医药研究国际》（2014）·doi:10.1155/2014/412808 [50] Pudney，S.，《感知的动力学：在短面板中模拟主观幸福感》，《皇家统计学会期刊a辑》（Stat Soc），171，1，21-40（2008）·doi:10.1111/j.1467-985X.2007.00515.x [51] R： 统计计算语言和环境（2021年），维也纳：R统计计算基金会，维也纳 [52] 里贝罗，RR；Michalick，MSM；da Silva，ME，《犬利什曼病：当前状态和控制策略概述》，《生物医学研究国际》（2018年）·doi:10.1155/2018/3296893 [53] Roy，V.，《马尔可夫链蒙特卡罗收敛诊断》，《年度修订统计应用》，第7期，第1387-412页（2020年）·doi:10.1146/annurev-statistics-031219-041300 [54] 沙特，RG；Robles-Murguia，M。；Juelsgaard，R.，猎犬对婴儿利什曼原虫的媒介传播，美国，《新发传染病》，21，12，2209-2212（2015）·doi:10.3201/eid2112.141167 [55] 施密特，AM；Gelfand，AE，多元污染物数据的贝叶斯协同区域化方法，地球物理研究大气杂志（2003）·doi:10.1029/2002JD002905 [56] 北卡罗来纳州舒尔曼；格拉斯曼，RPPP；Hamaker，EL，《多层自回归模型协方差矩阵的逆先验规范比较》，Multivar Behav Res，51，2-3，185-206（2016）·doi:10.1080/00273171.2015.1065398 [57] Solano-Gallego，L。；卡多佐，L。；Pennisi，MG，犬利什曼原虫疫苗时代的诊断挑战，寄生虫趋势，33，9，706-717（2017）·doi:10.1016/j.pt.2017.06.004 [58] 施皮格尔（Spiegelhalter），DJ；最佳，NG；卡林，英国石油公司，模型复杂度和拟合度的贝叶斯度量，皇家统计学会期刊B，64，4，583-639（2002）·Zbl 1067.62010年 ·数字对象标识代码：10.1111/1467-9868.00353 [59] 斯蒂尔，F。；Grundy，E.，《不等间距多元分类重复测量的随机效应动态面板模型：在儿童间支持交换中的应用》，《皇家统计学会期刊C（应用统计学家）》，70，1，3-23（2021）·doi:10.1111/rssc.12446 [60] Stegmueller，D.，《动态偏好建模：贝叶斯稳健动态潜序概率模型》，《政治分析》，21，3，314-333（2013）·doi:10.1093/pan/mpt001 [61] Talhouk，A。；Doucet，A。；Murphy，K.，具有稀疏逆相关矩阵的多元概率模型的有效贝叶斯推断，J Comput Gr Stat，21，3，739-757（2012）·doi:10.1080/10618600.2012.679239 [62] Teimourian，M。；巴格法拉基，T。；Ganjali，M.，混合倾斜连续和有序纵向响应的联合建模：贝叶斯方法，J Appl Stat，42，10，2233-2256（2015）·Zbl 1514.62890号 ·doi:10.1080/02664763.2015.1023557 [63] Therneau Terry，M。；Grambsch Patricia，M.，《生存数据建模：扩展cox模型》（2000年），纽约：Springer，纽约·Zbl 0958.62094号 ·doi:10.1007/978-1-4757-3294-8 [64] 托普，AJ；沙特，RG；Scott，BD，通过垂直传播维持的美国猎犬利什曼原虫发病率和流行率，Vet Parasitol Reg Stud Rep，10，75-81（2017） [65] 托普，AJ；马里兰州蒙泰罗；Coutinho，JF，共病感染导致内脏利什曼病进展，Parasit Vectors，12，1，1-12（2019）·doi:10.1186/s13071-019-3312-3 [66] Varin，C.等人。；Czado，C.，有序纵向数据的混合自回归概率模型，生物统计学，11，1，127-138（2009）·Zbl 1437.62640号 ·doi:10.1093/biostatistics/kxp042 [67] Wang，WL；Fan，TH，基于ECM的具有自回归误差的多元线性混合模型的最大似然推断，计算统计数据分析，54，5，1328-1341（2010）·Zbl 1464.62179号 ·doi:10.1016/j.csda.2009.11.021 [68] Wang，WL；Fan，TH，使用ibf和gibbs采样器组合的多元t线性混合模型的贝叶斯分析，J Multivar Ana，105，1，300-310（2012）·Zbl 1236.62015年 ·doi:10.1016/j.jmva.2011.10.006 [69] Wilhelm S，G MB（2015）tmvtnorm：截断多元正态分布和学生t分布。R包版本1.4-10 [70] Wilks，D.，《大气科学中的统计方法》（2005），阿姆斯特丹：Elsevier Science，阿姆斯特朗 [71] Woodbury M（1950），反转修正矩阵。普林斯顿大学统计系，普林斯顿，技术代表 [72] Wooldridge，JM，具有未观察异质性的动态非线性面板数据模型中初始条件问题的简单解决方案，《应用经济学杂志》，20，1，39-54（2005）·doi:10.1002/jae.770 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。