基于修正变分估计量的泊松对数正态模型参数不确定性评估
统计方法学
2024-11-14 v1
摘要
计数数据分析在生态学、事故分析、单细胞 RNA 测序（scRNA-seq）和宏基因组学等多个领域至关重要。虽然对数变换计算高效，但基于模型的方法如泊松-对数-正态（PLN）模型提供了稳健的统计基础，且更易于扩展。PLN 模型凭借其潜在高斯结构，不仅能捕捉过度离散，还能实现变量间的相关性和协变量的引入，使其适用于多元计数数据分析。变分近似是估计 PLN 等复杂潜变量模型参数的金标准，通过最大化代理似然。然而，变分估计量缺乏一致性和渐近正态性等理论统计性质。本文利用 M-估计理论研究 PLN 参数的一致性和方差估计。我们专门为 PLN 模型推导了 Sandwich 估计量（Westling and McCormick, 2019）。我们将该方法与变分费舍尔信息法进行比较，通过模拟研究展示了 Sandwich 估计量在覆盖率方面的有效性。最后，我们在 scRNA-seq 数据集上验证了我们的方法。
引用
@article{arxiv.2411.08524,
title = {Evaluating Parameter Uncertainty in the Poisson Lognormal Model with Corrected Variational Estimators},
author = {Bastien Batardière and Julien Chiquet and Mahendra Mariadassou},
journal= {arXiv preprint arXiv:2411.08524},
year = {2024}
}