×
Ryo加藤;高弘细野

缺失混合连续离散协变量回归模型的半参数贝叶斯多重插补。 （英语） Zbl 1444.62087号

Ann.Inst.Stat.数学。 72，第3期，803-825（2020）.
本文针对缺失连续和离散混合协变量的回归模型，提出了一种半参数贝叶斯方法。提出了一种贝叶斯多重插补框架，用于处理协变量分布中未完全观测到的混合尺度变量，而无需完整的条件规范。模型公式包括一个实体模型，即研究人员主要感兴趣的参数回归模型，以及对不完全观测到的协变量进行有条件建模。在非参数贝叶斯规范中，缺失变量的协变量联合分布使用probit-stick-breaking过程混合（PSBPM）模型指定，该模型允许根据预测值改变stick-braking权重。为了处理离散变量，引入了连续的潜在变量。混合尺度变量是通过潜在连续变量的变换来表达的。为了说明该方法的良好性能，我们进行了四项仿真研究，特别是当用具有完整条件规范的链式方程进行多重插补无法从贝叶斯联合模型中得出时：带有二次项的线性回归、带有交互项的线性回归、，带有二元协变量的比例风险模型，以及带有二元协变量的logistic回归。还介绍了该方法在阿尔茨海默病神经成像倡议数据集中的应用。
审核人：Annibal Parracho Sant’Anna（里约热内卢）

MSC公司：

62J02型 一般非线性回归
62D10号 缺少数据
62华氏35 多元分析中的图像分析
62页第10页 统计学在生物学和医学中的应用；元分析

关键词：

缺少数据;多重插补;完整条件规范;probit破胶工艺混合物;半参数贝叶斯模型

软件：

密斯森林
PDF格式BibTeX公司 XML格式引用
\textit{R.Kato}和\textit{T.Hoshino}，Ann.Inst.Stat.Math。72，第3号，803--825（2020；Zbl 1444.62087）
全文： 内政部

参考文献：

[1] 艾伯特·J。；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，88，669-679（1993）·Zbl 0774.62031号
[2] 艾伯特·J。；Chib，S.，生存数据应用的顺序建模，生物统计学，57829-836（2001）·兹比尔1209.62183
[3] 巴特利特，JW；海军陆战队海员；白色，IR；Carpenter，JR，《通过完全条件规范对协变量进行多重插补：调整实质模型》，《医学统计》，24462-487（2015）
[4] Canale，A。；Dunson，DB，用于计数的贝叶斯核混合，美国统计协会杂志，1061528-1539（2011）·Zbl 1233.62041号
[5] 陈，M。；易卜拉欣，JG；Shao，Q.，应用于缺失协变量的Cox回归模型的后验适当性和计算，Biometrika，93，791-807（2006）·Zbl 1436.62476号
[6] Chib，S.，《不考虑潜在结果联合分布的治疗反应数据分析》，《计量经济学杂志》，140，401-412（2007）·兹比尔1247.91132
[7] 钟，Y。；Dunson，DB，带变量选择的非参数Bayes条件分布建模，美国统计协会杂志，1041646-1660（2009）·Zbl 1205.62039号
[8] Cox，DR，部分可能性，生物统计学，62，269-276（1975）·Zbl 0312.62002号
[9] 邓森，DB；北卡罗来纳州皮莱。；Park，JH，贝叶斯密度回归，皇家统计学会杂志：B辑，69，163-183（2007）·Zbl 1120.62025号
[10] Geweke，J.（1992）。评估基于抽样的后验矩计算方法的准确性。J.M.Bernardo，J.O.Berger，A.P.Dawid，A.F.M.Smith（编辑），贝叶斯统计学，第4卷。纽约：牛津大学出版社。
[11] 洛杉矶汉纳；布莱，DM；Powell，WB，广义线性模型的狄利克雷过程混合物，机器学习研究杂志，121923-1953（2011）·Zbl 1280.62031号
[12] O.汉森。；Zetterberg，H。；Buchhave，P。；Londos，E。；布莱诺，K。；Minthon，L.，《脑脊液生物标记物与轻度认知障碍患者早期阿尔茨海默病的相关性：一项随访研究》，《柳叶刀神经病学》，5，228-234（2006）
[13] Hirano，K.，自回归面板数据模型中的半参数贝叶斯推断，《计量经济学》，70781-799（2002）·Zbl 1121.62557号
[14] Hoshino，T.，边缘参数潜在结果建模的半参数贝叶斯估计：因果推断的应用，美国统计协会杂志，1081189-1204（2013）·Zbl 1426.62189号
[15] 易卜拉欣，JG；陈，MH；李普西茨，SR；Herring，AH，广义线性模型的Missing-data方法：比较综述，美国统计协会杂志，100332-346（2005）·Zbl 1117.62360号
[16] Ishwaran，H。；James，LF，Gibbs打破先验的抽样方法，《美国统计协会杂志》，96161-173（2001）·Zbl 1014.62006年
[17] 杰克，CR；怀斯特，HJ；Vemuri，P。；维甘德，SD；塞尼姆，马里兰州；Zeng，G.，脑β-淀粉样蛋白测定和磁共振成像萎缩都预测从轻度认知障碍到阿尔茨海默病的时间进展，Brain，1333336-3348（2010）
[18] Kalbfleisch，JD，生存时间数据的非参数贝叶斯分析，皇家统计学会杂志：B辑，40，214-221（1978）·Zbl 0387.62030号
[19] Kim，JS；英国电信Ratchford，《具有半参数随机效应的序数数据的贝叶斯多元概率》，计算统计与数据分析，64，192-208（2013）·兹比尔1468.62100
[20] Kottas，A。；穆勒，P。；Quintana，F.，多元有序数据的非参数贝叶斯建模，《计算与图形统计杂志》，第14期，第610-625页（2005年）
[21] Kunihama，T。；赫林，AH；康涅狄格州哈尔珀；Dunson，DB，带抽样调查权重的非参数Bayes建模，《统计与概率快报》，113，41-48（2016）·Zbl 1384.62031号
[22] Lawless，JF；Kalbfleisch，法学博士；Wild，CJ，回归中响应选择性和缺失数据问题的半参数方法，《皇家统计学会杂志：B辑》，61413-438（1999）·兹比尔0915.62030
[23] 李，J。；王，Z。；李，R。；Wu，R.，Bayesian group LASSO for non-parametric varying coefficient models with application to functional genome wide association studies，The Annals of Applied Statistics，9640-664（2015），贝叶斯群LASSO，非参数变系数模型及其在全基因组关联研究中的应用·Zbl 1397.62260号
[24] 廖，SG；Lin，Y。；Kang，DD；Chandra，D。；Bon，J。；北卡罗来纳州卡明斯基。；西尔巴，FC；Tseng，GC，高维现象数据中的缺失值插补：不可变与否，以及如何？，BMC生物信息学，15346（2014）
[25] 刘杰。；Gelman，A。；希尔，J。；苏，YS；Kropko，J.，《关于迭代插补的平稳分布》，《生物统计学》，101155-173（2014）·Zbl 1285.62058号
[26] 麦卡洛克，R。；罗西，PE，多项式概率模型的精确似然分析，《计量经济学杂志》，64，207-240（1994）
[27] Meng，XL，具有非遗传输入源的多重插补推断，《统计科学》，第9期，第538-558页（1994年）
[28] 莫里，JS；Reiter，JP，通过具有局部依赖性的贝叶斯混合模型对缺失的分类值和连续值进行多重插补，美国统计协会杂志，1111466-1476（2016）
[29] 奥凯洛，A。；Koivunen，J。；爱迪生P。；阿彻，HA；特克海默，FE；肯塔基州纳格伦；布洛克，R。；沃克，Z。；A.肯尼迪。；福克斯，北卡罗来纳州；罗索，明尼苏达州；JO Rinne；Brooks，DJ，3年内淀粉样蛋白阳性和阴性MCI转化为AD的11C-PIB PET研究，神经病学，73754-760（2009）
[30] 帕蒂，D。；邓森，DB；Tokdar，ST，条件分布估计的后验一致性，多元分析杂志，116456-472（2013）·Zbl 1277.62108号
[31] 北岛帕顿；Kityo，C。；霍普，A。；A.里德。；坎布古，A。；Lugemwa，A.，《非洲艾滋病毒二线抗逆转录病毒治疗方案评估》，《新英格兰医学杂志》，371234-247（2014）
[32] 雷奇，BJ；邦德尔，HD；Li，L.，《通过贝叶斯混合建模实现充分降维》，《生物统计学》，67886-895（2011）·Zbl 1226.62023号
[33] 罗宾斯，JM；谢福林。；Newey，W.，具有缺失或测量错误协变量的条件密度的半参数有效估计。，英国皇家统计学会杂志。B系列，61409-424（1995）·Zbl 0813.62029号
[34] Rodriuez，A。；邓森，DB；Gelfand，AE，通过密度估计进行贝叶斯非参数功能数据分析，Biometrika，96，149-162（2009）·Zbl 1163.62027号
[35] Rubin，DB，《调查中无应答的多重插补》（1987年），纽约：威利·兹比尔1070.62007
[36] Sethuraman，J.，dirichlet先验的构造性定义，《统计》，4639-650（1994）·Zbl 0823.62007号
[37] 沈伟（Shen，W.）。；托克达尔，ST；Ghosal，S.，使用Dirichlet混合物的自适应贝叶斯多元密度估计，Biometrika，100623-640（2013）·Zbl 1284.62183号
[38] Si，Y。；Reiter，J.，《大规模评估调查中不完全分类变量的非参数贝叶斯多重插补》，《教育与行为统计杂志》，38，499-521（2013）
[39] 辛哈，D。；易卜拉欣，JG；Chen，MH，《考克斯部分可能性的贝叶斯证明》，《生物统计学》，90，629-641（2003）·Zbl 1436.62469号
[40] DJ斯特霍芬；Buhlmann，P.，混合型数据的MissForest非参数缺失值插补，生物信息学，28112-118（2012）
[41] 国家研究委员会（2010年）。临床试验中缺失数据的预防和治疗。华盛顿特区：国家学术出版社。
[42] 托克达尔，ST；朱，YM；Ghosh，JK，带logistic Gaussian过程和子空间投影的贝叶斯密度回归，贝叶斯分析，5319-344（2010）·Zbl 1330.62182号
[43] van Buuren，S.，通过完全条件规范对离散和连续数据进行多重插补，《医学研究中的统计方法》，第16期，第219-242页（2007年）·Zbl 1122.62382号
[44] van Buuren，S.，《缺失数据的灵活插补》（2012年），佛罗里达州博卡拉顿：查普曼和霍尔/CRC，佛罗里达州波卡拉顿·兹比尔1256.62005
[45] 阿拉斯加州沃尔吉；穆克吉，A。；Singal，AG公司；张，Y。；沃伦，J。；巴利斯，美国。；Marrero，J。；朱，J。；Higgins，PD，医学中缺失实验室数据插补方法的比较，BMJ Open，3，e002847（2013）
[46] SG Walker；Damien，P。；Laud，普华永道；Smith，AF，《随机分布和相关函数的贝叶斯非参数推断》，《皇家统计学会杂志：B辑》，61485-527（1999）·Zbl 0983.62027号
[47] 白色，IR；罗伊斯顿，P。；Wood，AM，《使用连锁方程进行多重插补：实践问题和指南》，《医学统计》，第30期，第377-399页（2011年）
[48] 张，X。；威斯康星州博斯卡丁；Belin，TR，使用多元多项式概率模型对多元名义测度进行贝叶斯分析，计算统计与数据分析，52，3697-3708（2008）·Zbl 1452.62233号
[49] 张，Z。；Rockette，HE，参数回归中缺失协变量的半参数最大似然，统计数学研究所年鉴，58，687-706（2006）·Zbl 1107.62023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。