塞米巴特

应用贝叶斯半加性回归方法评估非均匀回归效果。贝叶斯加性回归树(BART)是一种灵活的机器学习算法,能够捕捉结果与协变量之间的非线性以及协变量之间的交互作用。我们将BART扩展到一个半参数回归框架中,在该框架中,结果的条件期望是治疗、其效果修正因子和混杂因素的函数。混杂因子允许具有未指定的功能形式,而与研究问题直接相关的治疗和效果修饰语则被赋予线性形式。结果是一个贝叶斯半参数线性回归模型,其中线性部分参数的后验分布可以解释为参数贝叶斯回归。这在变量的一个子集具有实质性意义而其他变量是我们想要控制的讨厌变量的情况下非常有用。这方面的一个例子发生在结构平均模型(SMM)的因果建模中。在一定的因果假设下,可以用贝叶斯方法。我们的方法通过模拟研究和数据集的应用得到了验证,这些数据集涉及新近开始抗逆转录病毒治疗的HIV/hcv复合感染者。这些方法在名为semibart的R包中可用。