具有依赖性的数据整合中的融合均值结构学习
统计方法学
2022-10-06 v1 应用统计
摘要
受跨多个站点聚合数据的图像对标量回归的启发，我们考虑这样一种设定：多个独立研究各自收集多个依赖向量结果，研究间与结果向量间可能存在均值模型参数同质性。为确定联合分析这些数据源的有效性，我们必须学习哪些数据源共享均值模型参数。我们提出了一种新的模型融合方法，相较现有方法在灵活性、统计性能和计算速度上均有提升。我们提出的方法在每个数据源内指定二次推断函数，并基于一种新的成对融合惩罚公式整体融合均值模型参数向量。我们建立了估计量的理论性质，并提出了渐近等价的加权 oracle 元估计量，其计算效率更高。模拟及对 ABIDE 神经影像联盟的应用凸显了所提方法的灵活性。为便于实现，提供了 R 包。
引用
@article{arxiv.2210.02198,
title = {Fused mean structure learning in data integration with dependence},
author = {Emily C. Hector},
journal= {arXiv preprint arXiv:2210.02198},
year = {2022}
}
备注
28 pages, 4 figures