依赖数据的灵活边际模型
统计方法学
2022-04-18 v1 应用统计
摘要
依赖数据模型以其推断目标相区分。当关注点在于量化跨集群总体平均的关联时，边际模型是有用的。当协变量-结局关联的函数形式未知时，需要灵活的回归方法来允许潜在的非线性关系。我们提出了一种新颖的边际加性模型（MAM），用于对具有非线性总体平均关联的簇相关数据进行建模。所提出的 MAM 是一个统一的框架，用于边际均值模型的估计与不确定性量化，并结合了簇间变异性推断与簇特定预测。我们提出了一种拟合算法，能够高效计算标准误并修正惩罚项的估计。我们在模拟中以及应用于（i）海狸觅食行为的纵向研究和（ii）西非 Loaloa 感染的空间分析中展示了所提出的方法。实现所提方法的 R 代码可在 https://github.com/awstringer1/mam 获取。
引用
@article{arxiv.2204.07188,
title = {Flexible Marginal Models for Dependent Data},
author = {Glen McGee and Alex Stringer},
journal= {arXiv preprint arXiv:2204.07188},
year = {2022}
}