基于线性混合模型的层次数据分组正交子采样
统计方法学
2023-10-17 v1 统计计算
摘要
层次数据分析在各领域发现中至关重要。线性混合模型常用于训练层次数据，但其参数估计计算代价高昂，尤其在大数据下。子采样技术已被开发以应对该挑战。然而，多数现有子采样方法假设同质数据，未考虑层次数据中可能的异质性。为解决此局限，我们提出一种称为分组正交子采样（GOSS）的新方法，用于选择可能呈现异质性的层次数据中的信息子集。GOSS在各组间选择数据量均衡且在每组内具有组合正交性的子数据，从而得到对构建线性混合模型为-最优与-最优的子数据。基于GOSS子数据训练的参数估计量具有一致性与渐近正态性。通过模拟与真实数据应用，GOSS被证明在数值上具吸引力。理论证明、R代码与补充数值结果作为补充材料在线可获取。
引用
@article{arxiv.2310.10052,
title = {Group-Orthogonal Subsampling for Hierarchical Data Based on Linear Mixed Models},
author = {Jiaqing Zhu and Lin Wang and Fasheng Sun},
journal= {arXiv preprint arXiv:2310.10052},
year = {2023}
}