.png){kind=icon}
返回
A nonlinear mixed-effects functional regression model based on variable selection
.png){kind=icon}
PRE
AI
DOI：10.1080/00224065.2025.2500554.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
混合效应函数回归（MFR）模型为分析具有个体特异性变异的动态数据提供了有价值的工具。然而，在非线性关系和协变量变量选择等场景中会面临挑战。为解决这一问题，我们提出了一种MFR模型的全新扩展。我们的方法通过双变量样条引入非线性成分，从而构建出适用于复杂关系建模的稳健框架。对于高维回归中的变量选择，我们采用组最小极大凸惩罚（MCP），将来自同一样条基的参数视为一组，以确保选择结果的准确性和无偏性。该方法允许通过两步程序估计固定效应和随机效应。我们提出了一种灵活且全面的框架，能够容纳非线性协变量及MCP变量选择方法。实证验证和理论论证支持了我们所提方法的有效性。总之，我们的方法为在存在非线性关系和混合效应的情况下建模函数响应提供了一种通用且高效的工具。
Keyword:
mixed-effects functional regression
nonlinear
spline basis
variable selection
期刊
IF:
2.2
论文数:
69
被引数:
2.9K
机构
引用论文
.png){kind=icon}
分享收藏
Use of the bias-corrected parametric bootstrap in sensitivity testing/analysis to construct confidence bounds with accurate levels of coverage在敏感性测试/分析中使用偏差校正的参数自助法来构建具有精确覆盖水平的置信界限。
OAAI
OAAI分享收藏
查看更多内容