Meta-analyzing multiple functional data with functional fixed-effects model

doi:10.1007/s11222-026-10894-w

Meta-analyzing multiple functional data with functional fixed-effects model

2026-05-01

0

PRE

AI

DOI：10.1007/s11222-026-10894-w

原文链接

原文求助

摘要

En 中文

如今，许多公开可用的研究探讨了相似的研究问题，使得元分析成为一种高效工具，用于综合这些研究的信息，以实现更可靠的模型估计和解释。然而，对多个异质性函数数据集进行元分析带来了显著挑战，尤其是在研究数量较少的情况下——这是该背景下的常见情况。本文提出了一种新颖的框架，专门用于解决函数数据方面的这一挑战。所提出的框架基于函数固定效应模型，该模型将经典固定效应模型扩展以适应函数数据设置。我们还引入了一种重新参数化程序，将每项研究中的效应函数分解为共同效应函数和偏差函数。这种方法促进了研究间的信息共享，同时考虑了它们之间的异质性。为进一步增强信息借用并减少模型估计中的噪声，我们提出了一个区域选择程序，以识别共同效应函数的零子区域并收缩偏差函数。模拟研究和真实数据分析表明，与现有的元分析方法相比，我们的框架能提供更可靠的结果和更好的模型解释。

Keyword:

Meta-analysis

Multiple functional data

Sparse estimation

Functional fixed-effects model

Meta-analyzing multiple functional data with functional fixed-effects model

摘要

期刊

机构

引用论文