×
索尼娅·格雷文;费边·舍伊普

评论：“用广义可加模型及其扩展进行推理和计算”。 （英语） Zbl 1447.62083号

测试 29，第2期，343-350（2020年）.
关于的评论[S.N.伍德同上，29，第2号，307–339（2020年；Zbl 1447.62085号)].

引用于1审查

MSC公司：

62J05型 线性回归；混合模型
62克08 非参数回归和分位数回归
62兰特 功能数据分析

关键词：

平滑的;回归，回归;平滑参数;增压;经验贝叶斯;降低军衔

引文：

Zbl 1447.62085号

软件：

退款;mgcv公司;FD增压;全氟橡胶;pammtools工具
PDF格式BibTeX公司 XML格式引用
\textit{S.Greven}和\textit{F.Scheipl}，测试29，第2号，343--350（2020；Zbl 1447.62083）
全文： DOI程序

参考文献：

[1] Argyropoulos，C。；Unruh，ML，《通过广义加性模型分析随机对照试验的时间到事件结果》，PLoS ONE，10，4，e0123784（2015）·doi:10.1371/journal.pone.0123784
[2] 巴扬，RH；van Rij，J。；de Cat，C。；木材，S。；斯佩尔曼，D。；海伦，K。；Geeraert，D.，《语言科学实验数据中的自相关错误：广义加性混合模型提供的一些解决方案》，语言学中的混合效应回归模型，49-69（2018），柏林：斯普林格出版社，柏林
[3] Bender A，Scheipl F（2018）Pammtools:分段指数加性混合建模工具。Arxiv预打印Arxiv:1806.01042
[4] Bender，A。；格罗尔，A。；Scheipl，F.，时间-事件分析的广义加性模型方法，统计模型，18，3-4，299-321（2018）·Zbl 07289510号 ·doi:10.1177/1471082X17748083
[5] 本德，A。；Scheipl，F。；哈特尔，W。；日，AG；Küchenhoff，H.，复杂非线性暴露-反应关联的惩罚估计，生物统计学，20，2，315-331（2018）·doi:10.1093/biostatistics/kxy003
[6] Brockhaus S，Rügamer D，Greven S（2020）使用FDboost增强函数回归模型。J统计软件。https://www.jstatsoft.org/index网站
[7] 布罗克豪斯，S。；Scheipl，F。；Hothorn，T。；Greven，S.，功能线性阵列模型，统计模型，15，3，279-300（2015）·Zbl 07258990号 ·doi:10.177/1471082X14566913
[8] 布罗克豪斯，S。；Melcher，M。；Leisch，F。；Greven，S.，《推动具有大量功能历史影响的灵活功能回归模型》，《统计计算》，27，913-926（2016）·Zbl 1384.62131号 ·doi:10.1007/s11222-016-9662-1
[9] 布罗克豪斯，S。；福斯特，A。；Mayr，A。；Greven，S.，位置、规模和形状的信号回归模型及其在股票回报中的应用，J R Stat Soc Ser C，67，3，665-686（2018）·doi:10.1111/rssc.12252
[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，统计模型，16，1，67-88（2016）·Zbl 07259010号 ·doi:10.177/1471082X15617594
[11] 塞德鲍姆，J。；Scheipl，F。；Greven，S.，《快速对称加性协方差平滑》，《计算统计数据分析》，120，25-41（2018）·Zbl 1469.62031号 ·doi:10.1016/j.csda.2017.11.002
[12] Fasiolo M、Nedellec R、Goude Y、Wood SN（2018）现代广义加性模型的可缩放可视化方法。J计算图形统计。Arxiv预印本Arxiv：1707.03307（即将出版）
[13] Fithian W，Sun D，Taylor J（2014）模型选择后的最优推理。技术报告，arXiv:1410.2597
[14] Goldsmith J、Scheipt F、Huang L、Wrobel J、Gellar J、Harezlak J、McLean MW、Swihart B、Xiao L、Crainiceanu C、Reiss PT（2018）《退款：与功能数据的回归》。R包版本0.1-17
[15] 格雷文，S。；Kneib，T.，《关于线性混合模型中边际和条件AIC的行为》，Biometrika，97，4，773-789（2010）·Zbl 1204.62114号 ·doi:10.1093/biomet/asq042
[16] 格雷文，S。；Scheipl，F.，评论Wood，Pya和Säfken的“一般平滑模型的平滑参数和模型选择”，J Am Stat Assoc，111，516，1568-1573（2016）·doi:10.1080/01621459.2016.1250580
[17] 格雷文，S。；Scheipl，F.，函数回归建模的一般框架，统计模型，17，1-2，1-35（2017）·Zbl 07289474号 ·doi:10.1177/1471082X16681317
[18] 丹麦海兰德；东北部卡希尔；达利瓦尔，R。；太阳，X。；日，AG；McClave，SA，《肠内喂养方案对肠内营养供给的影响：一项多中心观察研究的结果》，J Parenter Enter Nutr，34，6，675-684（2010）·doi:10.1177/0148607110364843
[19] Hothorn，T。；Buehlmann，P。；Kneib，T。；施密德，M。；Hofner，B.，基于模型的增压2.0，J Mach Learn Res，112109-2113（2010）·Zbl 1242.68002号
[20] 朗·S。；Umlauf，N。；Wechselberger，P。；Harttgen，K。；Kneib，T.，《多级结构加性回归》，《统计计算》，24，2，223-238（2014）·Zbl 1325.62179号 ·doi:10.1007/s11222-012-9366-0
[21] 李，Z。；Wood，SN，具有离散协变量的大型广义线性模型的快速模型矩阵叉积，《统计计算》，30，19-25（2020）·兹比尔1436.62352 ·doi:10.1007/s11222-019-09864-2
[22] 宾夕法尼亚州佩德森；DL米勒；辛普森，GL；Ross，N.，《层次广义可加模型：mgcv简介》，Peer J Prepr，6，e27320v1（2018）
[23] 吕加默，D。；Greven，S.，《（L_2）增强的推断》，统计计算，30，2，279-289（2020）·兹比尔1436.62332 ·doi:10.1007/s11222-019-09882-0
[24] 吕加默，D。；布罗克豪斯，S。；Gentsch，K。；谢勒，K。；Greven，S.，用于检测生物电信号同步的增强因子特定功能历史模型，J R Stat Soc Ser C Appl Stat，67，3，621-642（2018）·doi:10.1111/rssc.12241
[25] Scheipl，F。；上午Staicu；Greven，S.，函数加性混合模型，《计算图形统计杂志》，24，2，477-501（2015）·doi:10.1080/10618600.2014.901914
[26] Scheipl，F。；Gerthiss，J。；Greven，S.，广义函数加性混合模型，Electron J Stat，10，1，1455-1492（2016）·Zbl 1341.62242号 ·doi:10.1214/16-EJS1145
[27] 沙阿·R。；Samworth，R.，《带误差控制的变量选择：稳定性选择的另一种观点》，J R Stat Soc Ser B，75，55-80（2013）·Zbl 07555438号 ·文件编号：10.1111/j.1467-9868.2011.01034.x
[28] Stöcker A、Brockhaus S、Schaffer S、von Bronk B、Opitz M、Greven S（2018）《位置、规模和形状的功能反应模型及其在细菌竞争中的应用》。统计模型。arXiv:1809.09881
[29] Tibshirani，R。；泰勒，J。；罗克哈特。；Tibshirani，R.，《序贯回归程序的精确后选择推断》，美国统计协会杂志，111，514，600-620（2016）·doi:10.1080/01621459.2015.1108848
[30] 冬季，B。；Wieling，M.，《如何使用混合模型分析语言变化，增长曲线分析和广义加性建模》，J Lang Evol1，1，7-18（2016）·doi:10.1093/jole/lzv003
[31] 木材，SN；Pya，北。；Säfken，B.，《一般平滑模型的平滑参数和模型选择》，美国统计协会杂志，111，516，1548-1563（2016）·doi:10.1080/01621459.2016.1180986
[32] Wood S（2019）mgcv：具有自动平滑度估计的混合GAM计算工具。R包版本1.8-31。https://CRAN.R-project.org/package=mgcv
[33] 木材，SN；李，Z。；沙迪克，G。；Augustin，NH，《千兆大的广义加性模型：英国黑烟网络每日数据建模》，美国统计协会杂志，112，519，1199-1210（2017）·doi:10.1080/016214519.2016.1195744
[34] Yang F，Barber RF，Jain P，Lafferty J（2016）群解析线性模型的选择性推理。主题：神经信息处理系统的进展，第2469-2477页
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。