Flexible Tree-Informed Mixed Model regression

doi:10.1080/03610918.2026.2678508

Flexible Tree-Informed Mixed Model regression

2026-05-01

0

PRE

AI

Riddhi Pratim Ghosh *

DOI：10.1080/03610918.2026.2678508

原文链接

原文求助

摘要

En 中文

将标准回归树方法应用于群组内观测数据既存在方法论挑战，也存在实施挑战。有效利用这些数据需要能够同时考虑个体层面和样本层面效应的方法。我们提出了灵活的树指导混合模型，该模型将广义线性混合模型中的线性固定效应替换为回归树的输出。传统的参数估计和预测技术，如期望最大化算法，在高维设置下扩展性差，造成计算瓶颈。为解决此问题，我们采用拟似然框架结合随机梯度下降进行优化参数估计。此外，我们建立了均方预测误差的理论界。通过模拟评估了本方法预测性能，并与现有方法进行比较。最后，我们将模型应用于基于贸易、外国直接投资、失业率、通货膨胀和地理区域预测国家层面的国内生产总值。

Keyword:

Clustered data

Mixed effects

Prediction

Quasi-likelihood

Stochastic gradient descent

Tree-based regression

Flexible Tree-Informed Mixed Model regression

摘要

期刊

机构

引用论文