基于经验贝叶斯的线性混合模型中固定效应和随机效应的联合收缩
统计方法学
2026-04-28 v1
摘要
提出一种新颖的数据驱动方法，用于线性混合模型 (LMM) 中固定效应和随机效应的先验参数的联合选择。该方法促进了复杂随机效应结构以及可能高维数据的估计。虽然贝叶斯框架需要指定信息性先验参数，但这些值往往无法事先获得——尤其是随机效应协方差。该方法通过经验贝叶斯框架自动化此选择，通过高效的拉普拉斯近似法最大化边际似然。数值模拟表明，该方法显著提高了参数估计精度和预测性能。最后，对一个真实世界的空气污染和健康数据集的应用表明，该方法使我们能够使用更精细且统计上更恰当的模型来提高预测结果。
引用
@article{arxiv.2604.24430,
title = {Combined shrinkage of fixed and random effects in linear mixed models using empirical Bayes},
author = {Matteo Amestoy and R. Vermeulen and Mark A. van de Wiel and Wessel N. van Wieringen},
journal= {arXiv preprint arXiv:2604.24430},
year = {2026}
}