用于位置、尺度与形状的泛函响应模型提升及其在细菌竞争中的应用
统计方法学
2019-01-25 v2 应用统计
摘要
我们将位置、尺度和形状的广义可加模型（GAMLSS）扩展到具有泛函响应的回归。这使我们能够根据各种标量和泛函协变量效应，同时建模响应的逐点均值曲线、方差及其他分布参数。此外，分布的范围被扩展到指数族之外。该模型通过梯度提升进行拟合，其具有固有的模型选择能力，并证明既适用于复杂模型结构也适用于高度自相关的响应曲线。这使我们能够在复杂交互场景中分析大肠杆菌（Escherichia coli）的细菌生长，富有成效地扩展了通常的生长模型。
引用
@article{arxiv.1809.09881,
title = {Boosting Functional Response Models for Location, Scale and Shape with an Application to Bacterial Competition},
author = {Almond Stöcker and Sarah Brockhaus and Sophia Schaffer and Benedikt von Bronk and Madeleine Opitz and Sonja Greven},
journal= {arXiv preprint arXiv:1809.09881},
year = {2019}
}
备注
bootstrap confidence interval type uncertainty bounds added; minor changes in formulations