贝叶斯小波包历史函数线性模型
统计方法学
2021-03-16 v1
摘要
历史函数线性模型（HFLM）用于量化函数型预测变量与函数型结果之间的关联，其中预测变量是发生在结果之前或至少与之同时发生的暴露变量。现有 HFLM 研究大多局限于采用基于样条的基表示的频率学估计技术。本文中，我们提出离散小波包变换的一种新用法——此前未用于函数型模型——以在全贝叶斯模型中估计历史关系。由于推断并非现有 HFLM 工作的重点，我们也在该历史函数情境中采用了两种既有的贝叶斯推断流程。我们通过模拟研究了小波包 HFLM 及两种推断流程的运作特性，并将该模型用于分析一组数据：某日班期间，一群熟练锅炉工滞后暴露于细于 2.5g 的颗粒物对其心率变异性的影响。
引用
@article{arxiv.1906.02269,
title = {Bayesian Wavelet-packet Historical Functional Linear Models},
author = {Mark J. Meyer and Elizabeth J. Malloy and Brent A. Coull},
journal= {arXiv preprint arXiv:1906.02269},
year = {2021}
}
备注
Submitted for publication in JCGS