基于 Copula 的贝叶斯分布回归在环境暴露下出生体重与孕周的双变量分析
统计方法学
2021-11-02 v2 应用统计
摘要
在本文中，我们分析围产数据，以出生体重（BW）作为主要关注的响应变量。孕周（GA）通常为重要协变量并以多项式形式纳入。然而，与这种单变量回归相反，推荐对 BW 与 GA 进行双变量建模，以区分对各自、对两者以及它们之间的效应。我们采用条件 copula 回归，而非参数化双变量分布，其中 BW 与 GA 的边际分布（未必同形）可独立估计，且依赖结构以协变量为条件独立于这些边际进行建模。在所得到的分布回归模型中，两个边际的所有参数及 copula 参数均为观测特定的。除生物测量与产科信息外，饮用水污染与母亲吸烟数据作为环境协变量纳入。虽然高斯分布适用于 BW，偏态的 GA 数据更好地由三参数 Dagum 分布建模。Clayton copula 优于 Gumbel 与对称高斯 copula，表明存在下尾依赖（两变量均低时依赖更强），尽管 BW 与 GA 间的这种非线性依赖出奇地弱且仅受剖宫产影响。经典单变量模型（关于 GA 效应为多项式）检测出 BW 对 GA 的非线性趋势。两模型中 BW 均值的线性效应相似，而我们的分布 copula 回归还揭示了协变量对所有其他参数的效应。
引用
@article{arxiv.2104.14243,
title = {Bivariate Analysis of Birth Weight and Gestational Age Depending on Environmental Exposures: Bayesian Distributional Regression with Copulas},
author = {Jonathan Rathjens and Arthur Kolbe and Jürgen Hölzer and Katja Ickstadt and Nadja Klein},
journal= {arXiv preprint arXiv:2104.14243},
year = {2021}
}
备注
27 pages, 7 figures (some of them composed from several pdf files)