×
罗德里格斯-阿尔瓦雷斯，玛丽亚·科塞;德班，玛丽亚;李大进;保罗·H·C·埃勒斯。

非标准广义线性混合模型中方差参数的估计：应用于惩罚平滑。 （英语） Zbl 1430.62167号

统计计算。 29，第3期，483-500（2019）.
摘要：我们提出了一种估计广义线性混合模型方差参数的新方法。这种方法的根源在于D.A.哈维尔的工作[J.Am.Stat.Assoc.72，320–338（1977；Zbl 0373.62040号)]但它能够处理随机效应向量的精度矩阵与方差参数（即精度参数）的倒数成线性关系的模型。我们称该方法为SOP（重叠精度矩阵的分离）。SOP的基础是应用连续近似方法来轻松计算方差参数的估计更新。这些估计更新有一个吸引人的形式：它们是平方和（加权）与有效自由度相关数量的比率。我们提供了充分和必要的条件，使这些估计严格为正。SOP的一个重要应用领域是对多个二次惩罚作用于相同回归系数的模型进行惩罚回归估计。我们详细讨论了其中的两个模型：局部自适应平滑的惩罚样条曲线和分层曲线数据。给出了这些设置中的几个数据示例。

引用于4文件

MSC公司：

62J12型 广义线性模型（逻辑模型）
62J10型 方差和协方差分析（ANOVA）
10层62层 点估计

关键词：

广义线性混合模型;广义可加模型;方差参数;平滑参数;REML公司;有效自由度

引文：

Zbl 0373.62040号

软件：

衍射术;全氟橡胶;R（右）;加迈尔;半标准杆;退款
PDF格式BibTeX公司 XML格式引用
\textit{M.X.罗德里格斯-阿尔瓦雷斯}等人，《统计计算》。29，第3号，483--500（2019；Zbl 1430.62167）
全文： 内政部 arXiv公司 链接

参考文献：

[1] Breslow，N.E.，Clayton，D.G.：广义线性混合模型中的近似推断。《美国统计协会杂志》88（421），9-25（1993）·Zbl 0775.62195号
[2] Camarda，C.G.，Eilers，P.H.，Gampe，J.：分解复数计数序列的光滑指数和。统计模型。16(4), 279-296 (2016) ·Zbl 07289464号
[3] Crainiceanu，C.M.，Ruppert，D.，Carroll，R.J.，Joshi，A.，Goodner，B.：具有异方差误差的空间自适应贝叶斯惩罚样条。J.计算。图表。《法律总汇》第16（2）、265-288页（2007年）
[4] Crump，S.L.：方差分量分析的现状。生物统计学7（1），1-16（1951）
[5] Cui，Y.，Hodges，J.S.，Kong，X.，Carlin，B.P.：分层和其他富参数模型中的划分自由度。《技术计量学》52，124-136（2010）
[6] Currie，I.D.，Durban，M.：使用P样条的灵活平滑：统一方法。统计模型。2(4), 333-349 (2002) ·Zbl 1195.62072号
[7] Currie，I.D.，Durban，M.，Eilers，P.H.C.：应用于多维平滑的广义线性阵列模型。J.R.统计社会服务。B（Stat.Methodol.）68（2），259-280（2006）·Zbl 1110.62090号
[8] Davies，P.L.，Gather，U.，Meise，M.，Mergel，D.，Mildenberger，T.：X射线衍射图中基于残差的峰定位和量化。附录申请。统计数字2（3），861-886（2008）·Zbl 1149.62102号
[9] Davies，P.L.、Gather，U.、Meise，M.Mergel，D.、Mildenberger，T.、Bernholt，T.和Hofmeister，T.：衍射：x射线衍射图的基线识别和峰值分解。R包版本0.1-10（2018）
[10] Djeundje，V.A.，Currie，I.D.：通过惩罚纵向数据混合模型中惩罚样条的适当协方差特定化。电子。《J Stat.4》，1202-1224（2010年）·Zbl 1329.62198号
[11] Durban，M.，Aguilera-Morillo，M.C.：关于功能随机效应的估计。统计模型。17(1-2), 50-58 (2017) ·Zbl 07289477号
[12] Durban，M.、Harezlak，J.、Wand，M.P.、Carroll，R.J.：纵向数据的主题特定曲线的简单拟合。Stat.Med.24（8），1153-1167（2005）
[13] 艾尔斯，P.H.C.：Verbyla等人的讨论。J.R.Stat.Soc.Ser。C（应用统计）48，300-311（1999）
[14] 艾尔斯，P.H.C.，马克思，B.D.：具有B样条和惩罚的灵活平滑。统计科学。11(2), 89-121 (1996) ·Zbl 0955.62562号
[15] 恩格尔，B.：带有方差分量的非平衡线性模型分析。Stat.尼尔尔。44, 195-219 (1990)
[16] Engel，B.，Build，W.：广义线性混合模型的分析：案例研究和模拟结果。生物。J.38（1），61-80（1996）·Zbl 0864.62047号
[17] Engel，B.，Keen，A.：分析广义线性混合模型的一种简单方法。内尔统计局。48(1), 1-22 (1994) ·Zbl 0826.62055号
[18] Fan，J.，Li，R.：通过非冲突惩罚似然及其预言属性进行变量选择。《美国统计协会期刊》96（456），1348-1360（2001）·Zbl 1073.62547号
[19] Gilmour，A.R.，Thompson，R.，Cullis，B.R.：平均信息REML：线性混合模型中方差参数估计的有效算法。生物统计学51（4），1440-1450（1995）·Zbl 0875.62314号
[20] Goldsmith，J.，Bob，J.、Crainiceanu，C.M.、Caffo，B.、Reich，D.：惩罚函数回归。J.计算。图表。Stat.20（4），830-851（2011）
[21] Goldsmith，J.，Crainiceanu，C.M.，Caffo，B.，Reich，D.：神经元束测量认知结果的纵向惩罚功能回归。J.R.统计社会服务。C（应用统计）61（3），453-469（2012）
[22] Goldsmith，J.、Scheipl，F.、Huang，L.、Wrobel，J.和Gellar，J.，Harezlak，J.以及McLean，M.W.、Swihart，B.、Xiao，L.和Crainiceanu，C.、Reiss，P.T.：退款：与功能数据的回归。R包版本0.1-16（2016）
[23] Graser，H.-U.，Smith，S.P.，Tier，B.：用限制最大似然估计动物模型中方差分量的无导数方法。J.阿尼姆。科学。2(64), 1362-1373 (1987)
[24] Green，P.J.：一般半参数回归模型的惩罚似然。《国际统计评论》55（3），245-259（1987）·Zbl 0636.62068号
[25] Greven，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
[26] Groll，A.，Tutz，G.：通过L1标准化估计选择广义线性混合模型的变量。统计计算。24(2), 137-154 (2014) ·Zbl 1325.62139号
[27] Harville，D.A.：方差分量估计和相关问题的最大似然方法。《美国统计协会杂志》72（358），320-338（1977）·Zbl 0373.62040号
[28] Harville，D.A.：统计学家视角下的矩阵代数。柏林施普林格（1997）·兹比尔0881.15001
[29] Hastie，T.J.，Tibshirani，R.J.：广义加法模型。查普曼和霍尔，伦敦（1990年）·Zbl 0747.62061号
[30] Heckman，N.、Lockhart，R.、Nielsen，J.D.：惩罚回归、混合效应模型和适当的建模。电子。J.Stat.7，1517-1552（2013）·兹比尔1327.62256
[31] 亨德森，C.R.：选择指数和预期遗传进展。统计基因。植物品种。982, 141-163 (1963)
[32] Hunter，D.R.，Li，R.：使用MM算法的变量选择。Ann.Stat.33（4），1617-1642（2005年）·Zbl 1078.62028号
[33] Johnson，D.L.，Thompson，R.：使用稀疏矩阵技术和平均信息对单变量动物模型方差分量的限制最大似然估计。《乳品科学杂志》。78, 449-456 (1995)
[34] Karas，M.、Brzyski，D.、Dzemidzic，M.，Goñi，J.、Kareken，D.A.、Randolph，T.W.、Harezlak，J.：回归的基于大脑连通性的正则化方法。Stat.Biosci公司。(2017). https://doi.org/10.1007/s12561-017-9208-x
[35] Krivobokova，T.：惩罚样条曲线的两种框架中的平滑参数选择。J.R.统计社会服务。B（Stat.Methodol.）75（4），725-741。https://rss.onlinelibrary.wiley.com/doi/pdf/10.111/rssb.12010 (2009) ·Zbl 1411.62102号
[36] Krivobokova，T.，Crainiceanu，C.M.，Kauermann，G.：快速自适应惩罚样条曲线。J.计算。图表。《统计》第17（1）卷第1-20页（2008年）
[37] Lee，D.-J.：空间和时空数据的平滑混合模型。博士论文。西班牙马德里卡洛斯三世大学统计系（2010年）
[38] McCullagh，P.，Nelder，J.：广义线性模型。查普曼和霍尔/CRC统计学和应用概率系列专著，第2版。查普曼和霍尔，伦敦（1989）·Zbl 0744.62098号
[39] Patterson，H.D.，Thompson，R.：块大小不相等时块间信息的恢复。《生物特征》58（3），545-554（1971）·Zbl 0228.62046号
[40] R核心团队：R：统计计算语言和环境。奥地利维也纳R统计计算基金会（2018年）
[41] 莱斯，P。T.、Ogden、R。T：一类半参数线性模型的平滑参数选择。J.R.统计社会服务。B统计方法。71(2), 505-523 (2009) ·Zbl 1248.62057号
[42] 罗德里格斯-阿尔瓦雷斯，M.X.，德班，M.，李，D.-J.，艾尔斯，P.H.C.：多维自适应P样条模型的快速估计。摘自：Friedl，H.，Wagner，H.（编辑）《第30届统计建模国际研讨会论文集》，第330-335页。arXiv:1610.06861（2015年a）
[43] 罗德里格斯-阿尔瓦雷斯，M.X.，李，D.-J.，科尼布，T.，德班，M.，艾尔斯，P.H.C.：多维广义P-样条中的快速平滑参数分离：sap算法。统计计算。25941-957（2015年b）·Zbl 1332.62139号
[44] Rodríguez-Álvarez，M.X.，Durban，M.，Lee，D.-J，Eilers，P.H.C.，Gonzalez，F.：时空自适应惩罚样条在神经科学中的应用。摘自：Dupuy，J.-F.，Josse，J.（编辑）第31届国际统计建模研讨会论文集，第267-272页。arXiv:1610.06860（2016）
[45] 罗德里格斯-阿尔瓦雷斯，M.X.，波尔，M.P.，van Eeuwijk，F.A.，Eilers，P.H.：用P样条校正植物育种实验中的空间异质性。小争吵。Stat.23，52-71（2018年）
[46] Ruppert，D.，Carroll，R.J.：样条拟合的空间自适应惩罚。澳大利亚。N.Z.J.Stat.42（2），205-223（2000）
[47] Ruppert，D.，Wand，M.P.，Carroll，R.：半参数回归。剑桥大学出版社，剑桥（2003）·Zbl 1038.62042号
[48] Schall，R.：具有随机效应的广义线性模型中的估计。《生物特征》78（4），719-727（1991）·Zbl 0850.62561号
[49] Simpkin，A.，Newell，J.：导数估计的加性惩罚p-样条方法。计算。统计数据分析。68, 30-43 (2013) ·Zbl 1471.62185号
[50] Smith S.P.：非线性模型中遗传参数的估计。收录：Gianola，D.，Hammond，K.（编辑）家畜遗传改良统计方法进展。农业科学高级丛书，第18卷。施普林格，柏林，海德堡（1990）
[51] Taylor，J.D.，Verbyla，A.P.，Cavanagh，C.，Newberry，M.：线性混合模型中使用扩展惩罚类的变量选择。澳大利亚。《新泽西州统计》54（4），427-449（2012）·Zbl 1334.62119号
[52] Tibshirani，R.J.：通过趋势滤波进行自适应分段多项式估计。《Ann.Stat.42（1）》，285-323（2014）·Zbl 1307.62118号
[53] Wand，M.P.：平滑和混合模型。计算。统计数字18（2），223-249（2003）·Zbl 1050.62049号
[54] Wood，S.N.：广义加性模型的快速稳定直接拟合和平滑度选择。J.R.统计社会服务。B（Stat.Methodol.）70（3），495-518（2008）·Zbl 05563356号
[55] 木材，S。N.：半参数广义线性模型的快速稳定限制最大似然和边缘似然估计。J.R.统计社会服务。B（Stat.Methodol.）73（1），2-36（2011）·Zbl 1411.62089号
[56] Wood，S.N.：《广义加法模型：R导论》，第2版。查普曼和霍尔CRC，伦敦（2017年）·Zbl 1368.62004号
[57] Wood，S.N.，Fasiolo，M.：用于平滑参数优化的广义Fellner-Schall方法，应用于Tweedie位置、比例和形状模型。生物统计学73，1071-1081（2017）·Zbl 1405.62216号
[58] Wood，S.N.，Pya，N.，Säfken，B.：一般平滑模型的平滑参数和模型选择。《美国统计协会期刊》111（516），1548-1563（2016）
[59] Zou，H.，Li，R.：非冲突惩罚似然模型中的一步稀疏估计。Ann.Stat.36（4），1509-1533（2008年）·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。