用于分组多变量响应的双重结构化稀疏性及其在功能结局评分建模中的应用
统计方法学
2023-02-23 v1
摘要
本工作源于利用住院康复访视的管理健康数据准确建模与儿科功能状态相关的一组响应的需求。响应的各分量具有已知且结构化的相互关系。为在建模中利用这些关系,我们开发了一种双管齐下的正则化方法,以跨响应借用信息。我们方法的第一部分鼓励针对可能重叠的成组相关响应联合选择每个变量的效应,第二部分鼓励相关响应的效应彼此收缩。由于我们激励研究中的响应不是正态分布的,我们的方法不依赖于响应多元正态性的假设。我们表明,借助我们惩罚项的自适应版本,我们的方法产生的估计渐近分布与事先已知哪些变量非零以及哪些变量在某些结果上具有相同效应时的渐近分布相同。我们在广泛的数值研究以及一项利用大型儿童医院中神经受损或患病儿童人群的管理健康数据预测儿科患者功能状态的应用中展示了我们方法的性能。
引用
@article{arxiv.2302.11098,
title = {Doubly structured sparsity for grouped multivariate responses with application to functional outcome score modeling},
author = {Jared D. Huling and Jennifer P. Lundine and Julie C. Leonard},
journal= {arXiv preprint arXiv:2302.11098},
year = {2023}
}