面向化学暴露混合物的特征感知协方差估计
统计方法学
2026-05-20 v2 应用统计
摘要
本文的動機是改進對環境暴露的卦變性推斷，動機來源於對嬰兒暴露於室內SVOCs(Specialized Organics)之暴露研究(TESIE)數據的分析。挑戰在於樣本數有限，使得經驗卦變矩陣提供的估計較差。在相關應用中，貝葛斯因子模型較受歡迎；這些方法將卦變矩陣表示為低秩加上對角線，可適應性地推斷因子數。然而，它們有缺點是縮減至對角線卦變，常在數據中重要卦變模式下估計不足。或者，透過在化學類別內壓縮詳細暴露數據來解決維度問題，可能掩蓋重要資訊。我們應用於貝葛斯因子分析的特征感知卦變回歸擴展，透過納入概括不同暴露物性質的特徵資訊來提升效能。此方法使縮減至更靈活的卦變結構，減少過度縮減問題， 我們在TESIE數據中使用各種化學特徵進行展示。
引用
@article{arxiv.2504.08220,
title = {Feature aware covariance estimation, with application to mixtures of chemical exposures},
author = {Elizabeth Bersson and Kate Hoffman and Heather M. Stapleton and David B. Dunson},
journal= {arXiv preprint arXiv:2504.08220},
year = {2026}
}
备注
25 pages, 6 figures