一种用于非高斯全国调查数据的可解释单指标混合效应模型
统计方法学
2025-09-26 v1 应用统计
摘要
本文提出了一种创新的统计模型，用于在复杂医学数据的背景下量化牙周病。引入了一种包含偏斜随机效应和重尾残差的混合效应模型，确保对非正态数据分布的稳健处理。固定效应建模为斜率参数和单指标函数的组合，约束为单调递增以实现有意义的解释。该方法通过将临床附着水平（CAL）和牙周袋深度（PD）生物标志物整合在一个统一的分析框架中，捕捉牙周病进展的不同维度。采用基于分组 horseshoe 先验的变量选择方法，以应对相对较多的风险因素。此外，通常与大型调查数据一起提供的调查权重信息被纳入以确保准确的推断。该综合方法显著推进了牙周病的统计量化，提供了对风险因素和疾病进展的细致而精确的评估。所提出的方法论实现在 \textsf{R} 包 \href{https://cran.r-project.org/package=MSIMST}{\textsc{MSIMST}} 中。
引用
@article{arxiv.2509.20638,
title = {An Interpretable Single-Index Mixed-Effects Model for Non-Gaussian National Survey Data},
author = {Qingyang Liu and Debdeep Pati and Dipankar Bandyopadhyay},
journal= {arXiv preprint arXiv:2509.20638},
year = {2025}
}
备注
39 pages, 13 figures