×
周天健;迈克尔·J·丹尼尔斯。;彼得·米勒

使用辅助协变量的半参数贝叶斯方法处理纵向研究中的辍学问题。 （英语） 兹比尔07499267

J.计算。图表。斯达。 29，第1期，第1-12页（2020年）。
总结：我们开发了一种半参数贝叶斯方法来处理存在辅助协变量的纵向研究中缺失的结果数据。我们考虑完整数据响应、缺失和辅助协变量的联合模型。我们包括辅助协变量，以“使”缺失“更接近”随机缺失。特别地，我们通过高斯过程先验和贝叶斯加性回归树为观测数据指定了一个半参数贝叶斯模型。与现有的参数化方法相比，这些模型规范允许我们捕捉非线性和非附加效应。然后，我们使用识别限制，在给定观测数据响应、缺失和辅助协变量（即外推分布）的情况下，分别指定缺失数据响应的条件分布。我们引入了有意义的灵敏度参数，以便进行简单的灵敏度分析。这些敏感性参数的先验信息可以从主题专家那里得到。我们使用蒙特卡罗积分来计算完整的数据估计值。我们的方法的性能是使用模拟数据集进行评估的。我们的方法是基于精神分裂症治疗临床试验的数据，并应用于这些数据。补充的本文的材料可以在网上获得。

MSC公司：

62至XX 统计

关键词：

贝叶斯推断;高斯过程;纵向数据;缺少数据;半参数模型;敏感性分析

软件：

bart机器;BartPy公司;spBayes公司;贝叶斯树
PDF格式BibTeX公司 XML格式引用
\textit{T.Zhou}等人，J.Compute。图表。Stat.29，No.1，1--12（2020；Zbl 07499267）
全文： 内政部 链接

参考文献：

[1] Banerjee，A。；邓森，D.B。；Tokdar，S.T.，“大型数据集的高效高斯过程回归”，Biometrika，10075-89（2013）·Zbl 1284.62257号 ·doi:10.1093/biomet/ass068
[2] 班纳吉，S。；卡林，B.P。；Gelfand，A.E.，《空间数据的层次建模与分析》（2014），佛罗里达州博卡拉顿：CRC出版社，佛罗里达州波卡拉顿
[3] J·伯明翰。；Rotnitzky，A。；Fitzmaurice，G.M.，“分析具有单调缺失模式的纵向数据的模式-混合和选择模型”，《皇家统计学会杂志》，B辑，65，275-297（2003）·Zbl 1063.62039号 ·doi:10.1111/1467-9868.00386
[4] Chipman，H.A。；E.I.乔治。；McCulloch，R.E.，“BART：贝叶斯加性回归树”，《应用统计年鉴》，4266-298（2010）·Zbl 1189.62066号 ·doi:10.1214/09-AOAS285
[5] Chipman，H.和McCulloch，R.（2016），“贝叶斯树：贝叶斯加性回归树”，R包版本0.3-1.4。
[6] 丹尼尔斯，M.J。；Hogan，J.W.，“信息缺失下灵敏度分析的模式混合模型的重新参数化”，生物计量学，561241-1248（2000）·Zbl 1060.62594号 ·doi:10.1111/j.0006-341X.2000.01241.x
[7] 丹尼尔斯，M.J。；Hogan，J.W.，《纵向研究中的缺失数据：贝叶斯建模和敏感性分析策略》（2008），佛罗里达州博卡拉顿：CRC出版社，佛罗里达州波卡拉顿·Zbl 1165.62023号
[8] 丹尼尔斯，M。；王，C。；Marcus，B.，“在存在辅助协变量的情况下，在可忽略任务下的完全贝叶斯推断”，《生物计量学》，70，62-72（2014）·Zbl 1419.62333号 ·doi:10.1111/biom.12121
[9] Datta，A。；班纳吉，S。；芬利，A.O。；Gelfand，A.E.，“大型地质统计数据集的层次最近邻高斯过程模型”，美国统计协会杂志，111800-812（2016）·doi:10.1080/01621459.2015.1044091
[10] De Oliveira，V.，“条件自回归模型的贝叶斯分析”，《统计数学研究所年鉴》，64，107-133（2012）·Zbl 1238.62028号 ·doi:10.1007/s10463-010-0298-1
[11] Diggle，P。；Kenward，M.G.，“纵向数据分析中的信息缺失”，《皇家统计学会期刊》，C辑，43，49-93（1994）·Zbl 0825.62010号 ·doi:10.2307/2986113
[12] Follmann，D。；Wu，M.，“信息缺失数据的随机效应近似广义线性模型”，生物计量学，51，151-168（1995）·Zbl 0825.62607号 ·doi:10.2307/2533322
[13] 盖瑟，S。；Eddy，W.F.，“模型选择的预测方法”，《美国统计协会杂志》，74153-160（1979）·Zbl 0401.62036号 ·网址：10.1080/01621459.1979.10481632
[14] Gelfand，A.E。；Dey，D.K.，“贝叶斯模型选择：渐近和精确计算”，《皇家统计学会杂志》，B辑，56，501-514（1994）·Zbl 0800.62170号 ·doi:10.1111/j.2517-6161.1994.tb01996.x
[15] O.哈雷。；Schafer，J.L.，“Missing-Data问题中的部分和潜在忽略性”，《生物特征》，96，37-50（2009）·Zbl 1162.62095号 ·doi:10.1093/biomet/asn069
[16] Heckman，J.，“样本选择偏差作为规范误差”，《计量经济学》，第47期，第153-162页（1979年）·Zbl 0392.62093号 ·doi:10.2307/1912352
[17] 亨德森，R。；迪格尔，P。；Dobson，A.，“纵向测量和事件时间数据的联合建模”，生物统计学，1465-480（2000）·兹比尔1089.62519 ·doi:10.1093/biostatistics/1.4.465
[18] 亨斯曼，J。；福斯，N。；劳伦斯，N.D。；Nicholson，A。；Smyth，P.，《人工智能中的不确定性》，“大数据的高斯过程”，282-290（2013），加州帕洛阿尔托：人工智能中不确定性协会出版社，加州帕洛阿尔托
[19] 霍根，J.W。；Laird，N.M.，“重复测量和事件时间联合分布的混合模型”，《医学统计学》，第16期，第239-257页（1997年）·doi:10.1002/（SICI）1097-0258（19970215）16:3<239:：AID-SIM483>3.0.CO；2倍
[20] Kapelner，A。；Bleich，J.，“bartMachine:使用贝叶斯加性回归树的机器学习”，《统计软件杂志》，70，1-40（2016）·doi:10.18637/jss.v070.2004
[21] 凯·S·R。；弗兹宾，A。；Opfer，L.A.，“精神分裂症阳性和阴性症状量表（PANSS）”，《精神分裂症公报》，第13期，第261-276页（1987年）·doi:10.1093/schbul/13.261
[22] Kenward，M.G。；Molenberghs，G。；Thijs，H.，“具有适当时间依赖性的模式-混合模型”，《生物统计学》，90，53-71（2003）·Zbl 1035.62112号 ·doi:10.1093/biomet/90.1.53
[23] Kim，C。；丹尼尔斯，M.J。；马库斯，B.H。；Roy，J.A.，“调解因果效应的贝叶斯非参数推断框架”，《生物统计学》，73，401-409（2017）·Zbl 1372.62073号 ·doi:10.1111/biom.12575
[24] Linero，A.R.，“信息传递存在时纵向研究的贝叶斯非参数分析”，《生物统计学》，104，327-341（2017）·Zbl 1506.62443号 ·doi:10.1093/biomet/asx015
[25] Linero，A.R.，“用于高维预测和变量选择的贝叶斯回归树”，美国统计协会杂志，113626-636（2018）·Zbl 1398.62065号 ·doi:10.1080/01621459.2016.1264957
[26] Linero，A.R。；Daniels，M.J.，“用灵活的贝叶斯方法处理具有不可忽视传讯性的纵向研究中的单音缺失数据，并应用于急性精神分裂症临床试验”，美国统计协会杂志，110，45-55（2015）·Zbl 1373.62549号 ·doi:10.1080/016214592014.969424
[27] Linero，A.R。；Daniels，M.J.，“非随机结果数据缺失的贝叶斯方法：识别限制的作用”，《统计科学》，331198-213（2018）·Zbl 1397.62223号 ·doi:10.1214/17-STS630
[28] Little，R.J.，“多元不完全数据的模式混合模型”，《美国统计协会杂志》，88，125-134（1993）·Zbl 0775.62134号 ·网址：10.1080/01621459.1993.10594302
[29] Little，R.J.，“正态不完全数据的一类模式混合模型”，《生物统计学》，81，471-483（1994）·Zbl 0816.62023号 ·doi:10.1093/biomet/81.3.471
[30] 利特尔，R.J。；Rubin，D.B.，《缺失数据的统计分析》（2014），纽约：威利出版社，纽约
[31] Molenberghs，G。；Kenward，M.G。；Lesaffre，E.，“非随机删除的纵向顺序数据分析”，《生物特征》，84，33-44（1997）·Zbl 0883.62120号 ·doi:10.1093/biomet/84.1.33
[32] Molenberghs，G。；米歇尔斯，B。；Kenward，M.G。；Diggle，P.J.，“单调缺失数据和模式混合模型”，《Neerlandica统计》，52，153-161（1998）·Zbl 0946.62034号 ·数字对象标识代码：10.1111/1467-9574.00075
[33] 缪勒，P。；埃尔坎利，A。；West，M.，“使用多元正态混合进行贝叶斯曲线拟合”，《生物统计学》，83，67-79（1996）·Zbl 0865.62029号
[34] 国家研究委员会，《临床试验中缺失数据的预防和治疗》（2011年），华盛顿特区：华盛顿特区国家学院出版社
[35] 马萨诸塞州普拉托拉。；Chipman，H.A。；Gattiker，J.R。；希格顿，D.M。；McCulloch，R。；Rust，W.N.，“并行贝叶斯加性回归树”，《计算与图形统计杂志》，23，830-852（2014）·doi:10.1080/10618600.2013.841584
[36] Pulkstenis，E.P。；Ten Have，T.R。；Landis，J.R.，“通过补救措施退出信息治疗的二元纵向疼痛数据分析模型”，《美国统计协会杂志》，93，438-450（1998）·Zbl 0926.62110号 ·doi:10.1080/01621459.1998.10473693
[37] 拉斯穆森，C.E。；Williams，C.K.I.，《机器学习的高斯过程》（2006），马萨诸塞州剑桥：麻省理工学院出版社·Zbl 1177.68165号
[38] Robins，J.，“持续暴露期死亡率研究中因果推断的新方法——应用于控制健康工人幸存者效应”，数学建模，71393-1512（1986）·兹伯利0614.62136 ·doi:10.1016/0270-0255（86）90088-6
[39] 罗宾斯，J.M。；罗特尼茨基，A。；赵立平，“缺失数据下重复结果的半参数回归模型分析”，《美国统计协会杂志》，90，106-121（1995）·Zbl 0818.62042号 ·doi:10.1080/01621459.1995.10476493
[40] Rotnitzky，A。；罗宾斯，J.M。；Scharfstein，D.O.，“不可忽视无反应重复结果的半参数回归”，《美国统计协会杂志》，93，1321-1339（1998）·Zbl 1064.62520号 ·doi:10.1080/01621459.1998.10473795
[41] 鲁宾，D.B.，“推断和缺失数据”，《生物特征》，63，581-592（1976）·Zbl 0344.62034号 ·doi:10.1093/biomet/63.3.581
[42] 鲁宾，D.B.，“贝叶斯引导”，《统计年鉴》，9130-134（1981）·doi:10.1214/aos/1176345338
[43] 萨维茨基，T。；Vannucci，M。；Sha，N.，“非参数高斯过程先验的变量选择：模型和计算策略”，《统计科学》，第26期，第130-149页（2011年）·Zbl 1222.65017号 ·doi:10.1214/11-STS354
[44] 谢尔夫斯坦，D。；麦克德莫特，A。；Olson，W。；Wiegand，F.，“信息缺失情况下重复测量研究的全球敏感性分析：一种全参数方法”，《生物制药研究统计》，第6338-348页（2014年）·doi:10.1080/19466315.2014.966920
[45] Scharfstein博士。；Rotnitzky，A。；Robins，J.M.，“使用半参数非响应模型调整不可忽视的辍学”，《美国统计协会杂志》，941096-1120（1999）·Zbl 1072.62644号 ·doi:10.1080/01621459.1999.10473862
[46] Shahbaba，B。；Neal，R.，“使用Dirichlet过程混合的非线性模型”，《机器学习研究杂志》，101829-1850（2009）·Zbl 1235.62069号
[47] Tsiatis，A.，《半参数理论与缺失数据》（2007），纽约：Springer Science&Business Media出版社，纽约·Zbl 1105.6202号
[48] Tsiatis，A.A。；Davidian，M。；Cao，W.，“当数据单调粗糙时，改进的双稳健估计，应用于带辍学的纵向研究”，生物计量学，67，536-545（2011）·Zbl 1217.62146号 ·文件编号：10.1111/j.1541-0420.2010.01476.x
[49] Wade，S.，“通过混合模型的贝叶斯非参数回归（2013），博科尼大学
[50] 王，C。；丹尼尔斯，M。；Scharfstein博士。；Land，S.，“不完全纵向二元数据的贝叶斯收缩模型及其在乳腺癌预防试验中的应用”，《美国统计协会杂志》，1051333-1346（2010）·Zbl 1388.62336号 ·doi:10.198/jasa.2010.ap09321
[51] 吴先生。；Carroll，R.J.，“通过审查过程建模评估和比较信息权审查的变化”，《生物计量学》，44，175-188（1988）·Zbl 0707.62210号 ·doi:10.2307/2531905
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。