×
Hui，Francis K.C.（弗朗西斯·K·C·休）。;塞缪尔·米勒;A.H.威尔士。

多元纵向混合模型的稀疏两两似然估计。 （英语） Zbl 1409.62151号

美国统计协会。 113，第524号，1759-1769（2018）.
摘要：在纵向研究中，收集和分析多种反应的数据越来越普遍。例如，在社会科学领域，我们可能有兴趣发现随着时间推移个人心理健康的驱动因素，其中心理健康是使用一组问卷项目来衡量的。分析多维数据的一种方法是多元混合模型，它是标准单变量混合模型的扩展，用于处理多个响应。然而，估计多元混合模型是一个相当大的挑战，更不用说进行变量选择，以发现哪些协变量在驱动每个响应方面是重要的。基于复合似然思想，我们提出了一种新的多元混合模型估计和固定效应选择方法，称为近似两两似然估计和收缩（APLES）。该方法的工作原理是对两两似然函数中的每个项构造一个二次近似，然后用一个惩罚来增加这个近似的两两似度，该惩罚鼓励个体和群体系数稀疏性。这导致了一种相对快速的选择方法，因为我们可以使用坐标上升型方法来构建模型的完整正则化路径。我们的方法首次将惩罚似然估计推广到多元广义线性混合模型。我们证明了APLES估计获得了oracle属性的复合似然版本。
我们提出了一种新的选择调整参数的信息准则，该准则采用动态模型复杂性惩罚来促进主动收缩，并证明了它渐进地导致选择一致性，即导致选择真实模型。一项仿真研究表明，APLES估计器在分别分析每个结果的基础上优于几种单变量选择方法。

引用于4文件

MSC公司：

62J12型 广义线性模型（逻辑模型）
62甲12 多元分析中的估计
62J07型 岭回归；收缩估计器（拉索）

关键词：

复合似然;拉索;混合模型;多元纵向数据;成对配件;惩罚可能性;变量选择

软件：

奥斯卡;lme4公司;格尔姆奈特
PDF格式BibTeX公司 XML格式引用
\textit｛F.K.C.Hui｝等人，《美国法律总汇》第113卷，第5241759-1769号（2018；Zbl 1409.62151）
全文： DOI程序 链接

参考文献：

[1] 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）
[2] 邦德尔·H·D。；克里希纳。；Ghosh，S.K.，线性混合效应模型中固定和随机效应的联合变量选择，生物统计学，661069-1077（2010）·Zbl 1233.62134号
[3] 邦德尔·H·D。；Reich，B.J.，同步回归收缩、变量选择和OSCAR预测值的监督聚类，生物统计学，64，115-123（2008）·Zbl 1146.62051号
[4] Christensen，R.H.B.，有序数据的有序回归模型（2015）
[5] Faes，C。；阿尔茨，M。；Molenberghs，G。；盖斯，H。；Teuns，G。；Bijnens，L.，不同性质纵向结果的高维联合模型，医学统计学，274408-4427（2008）
[6] 菲尤斯，S。；Verbeke，G.，用于多变量纵向轮廓联合建模的混合模型的成对拟合，生物计量学，62424-431（2006）·Zbl 1097.62058号
[7] 菲尤斯，S。；韦贝克，G。；Boen，F。；Delecluse，C.，二元问卷数据的高维多元混合模型，英国皇家统计学会杂志，C系列，55，449-460（2006）·Zbl 1490.62403号
[8] 弗里德曼，J。；哈斯蒂，T。；Tibshirani，R.，通过坐标下降的广义线性模型的正则化路径，统计软件杂志，33，1-22（2010）
[9] 高，X。；Song，P.X.-K.，高维数据中模型选择的复合似然贝叶斯信息标准，美国统计协会杂志，105，1531-1540（2010）·Zbl 1388.62034号
[10] 加西亚，T.P。；缪勒，S。；卡罗尔·R·J。；Walzem，R.L.，《通过正则化方法识别重要回归组、亚组和个体：应用于肠道微生物组数据》，生物信息学，30831-837（2014）
[11] 格罗尔，A。；Tutz，G.，广义线性混合模型的变量选择\(Ş_1\)-惩罚估计、统计和计算，24，137-154（2014）·Zbl 1325.62139号
[12] 枪，F。；Bondell，H.D.，《变量选择的置信区调整方法》，《计算与图形统计杂志》，21，295-314（2012）
[13] 黄，J。；Breheny，P。；Ma，S.，《高维模型中群体选择的选择性综述》，统计科学，27481-499（2012）·Zbl 1331.62347号
[14] Hui，F.K.C。；穆勒，S。；Welsh，A.H.，使用正则化PQL在混合模型中的联合选择，美国统计协会杂志（2016）
[15] Hui，F.K.C。；穆勒，S。；Welsh，A.H.，广义线性混合模型中固定效应和随机效应的层次选择，统计学，27，501-518（2017）·Zbl 1391.62145号
[16] Hui，F.K.C。；华盛顿州沃顿。；Foster，S.D.，《使用惩罚回归混合模型的多物种分布建模》，《应用统计年鉴》，9866-882（2015）·Zbl 1397.62263号
[17] Hui，F.K.C。；华盛顿州沃顿。；Foster，S.D.，使用ERIC选择自适应套索的调谐参数，美国统计协会杂志，110，262-269（2015）·Zbl 1373.62370号
[18] Hui，F.K.C。；沃顿，D.I。；Ormerod，J.T。；Haapaniemi，V。；Taskinen，S.，广义线性潜在变量模型的变分近似，计算与图形统计杂志，26，35-43（2017）
[19] 易卜拉欣，J.G。；朱，H。；加西亚，R.I。；Guo，R.，混合效应模型中的固定效应和随机效应选择，生物统计学，67495-503（2011）·Zbl 1217.62171号
[20] Ivanova，A。；Molenberghs，G。；Verbeke，G.，《大型复杂有序数据的快速高效伪似然方法论》，《医学研究中的统计方法》，26，2758-2779（2015）
[21] 库兹涅佐娃，A。；布鲁恩，B.P。；Haubo，B.C.R.，lmerTest:线性混合效应模型的测试（2016）
[22] 利奇，L.S。；Olesen，S.C。；巴特沃思，P。；Poyser，C.，《新父亲身份与心理痛苦：澳大利亚男性的纵向研究》，《美国流行病学杂志》，180582-589（2014）
[23] Lin，B。；彭，Z。；Jiang，J.，通过REML和路径坐标优化选择固定和随机效应，计算与图形统计杂志，22，341-355（2013）
[24] Louis，T.A.，《使用EM算法时发现观测信息矩阵》，《皇家统计学会杂志》，44226-233（1982）·兹比尔0488.62018
[25] Mccullagh，P.，有序数据的回归模型，《皇家统计学会杂志》，第42期，第109-142页（1980年）·Zbl 0483.62056号
[26] Molenberghs，G。；Verbeke，G.，《离散纵向数据模型》（2006），纽约：Springer，纽约
[27] 缪勒，S。；Scealy，J.L。；Welsh，A.H.，线性混合模型中的模型选择，统计科学，28，135-167（2013）·Zbl 1331.62364号
[28] 缪勒，S。；Welsh，A.H.，《关于模型选择曲线》，《国际统计评论》，78240-256（2010）
[29] Powers，D.M.W.，《评估：从精确性、回忆性和F-测量到ROC》，《信息性、标记性和相关性》，《机器学习技术杂志》，第237-63页（2011年）
[30] 瓦林，C。；N.里德。；Firth，D.，《复合似然方法概述》，《统计》，2011年第21期，第5-42页·Zbl 05849508号
[31] 瓦林，C。；Vidoni，P.，关于复合似然推断和模型选择的注释，Biometrika，92519-528（2005）·Zbl 1183.62037号
[32] Vasdekis，V.G.S。；Rizopoulos，D。；Moustaki，I.，一类一般随机效应模型的加权成对似然估计，生物统计学，15677-689（2014）
[33] 韦贝克，G。；菲尤斯，S。；Molenberghs，G。；Davidian，M.，《多元纵向数据分析：综述》，《医学研究中的统计方法》，23，42-59（2014）
[34] Wang，H。；Leng，C.，通过最小二乘近似法进行统一LASSO估计，美国统计协会杂志，1021039-1048（2012）·Zbl 1306.62167号
[35] Watson，N。；Wooden，M.P.，《HILDA调查：设计和开发成功家庭小组调查、纵向和生命历程研究的案例研究》，3369-381（2012）
[36] 你，C。；缪勒，S。；Ormerod，J.T.，《广义自由度及其在线性混合模型选择、统计和计算中的应用》，26，199-210（2016）·Zbl 1342.62129号
[37] 赵，P。；罗查，G。；Yu，B.，分组和分级变量选择的复合绝对惩罚族，《统计年鉴》，373468-3497（2009）·Zbl 1369.62164号
[38] Zou，H.，《自适应套索及其Oracle属性》，《美国统计协会杂志》，第101期，第1418-1429页（2006年）·Zbl 1171.62326号
[39] 邹，H。；Li，R.，非关联惩罚似然模型中的一步稀疏估计，统计年鉴，361509-1533（2008）·Zbl 1142.62027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。