一种用于不平衡二元数据的新型多变量回归模型：基于随机效应的强共轭
统计方法学
2024-06-10 v1
摘要
本文推导了一个新的多变量回归模型，用于拟合相关的二元数据。该多变量分布源自在边际方法上带有非正态随机截距的伯努利混合模型。假设随机效应分布为广义对数伽马（GLG）分布，通过考虑特定参数设置实现。指定互补对数-log 函数，以实现响应变量与随机效应之间的强共轭。新的离散多变量分布，称为 MBerGLG 分布，具有位置参数和分散参数。MBerGLG 分布导致 MBerGLG 回归（MBerGLGR）模型，为拟合平衡和不平衡相关响应二元数据提供了另一种方法。蒙特卡洛模拟研究表明，其最大似然估计量在渐近上是无偏、有效且一致的。对随机化分位残差的执行用于识别可能的模型偏离以及数据和异常主体。最后，在数据分析部分中展示了两个应用案例。
引用
@article{arxiv.2406.04518,
title = {A novel multivariate regression model for unbalanced binary data : a strong conjugacy under random effect approach},
author = {Lizandra C. Fabio and Vanessa Barros and Cristian Villegas and Jalmar M. F. Carrasco},
journal= {arXiv preprint arXiv:2406.04518},
year = {2024}
}