用于灵活且可解释二元回归模型的层次化方法
统计方法学
2019-05-15 v1 应用统计
摘要
二元回归模型几乎在每一个科学领域都无处不在。传统广义线性模型常常无法捕捉产生二元观测的概率曲面中的变异性，因此需要新的方法学。这催生了大量由各类应用驱动的二元回归模型文献。我们基于广义线性模型（随机分量、系统分量、连接函数）熟悉的三部分结构，描述了对传统二元回归方法推广的一种新组织方式。这一新视角既便于比较现有方法，也便于开发具有可解释参数、能够捕捉特定应用数据生成机制的新型灵活模型。我们利用所提出的组织结构讨论了某些基于分位数回归的现有二元数据模型的一些问题。随后我们使用该框架开发了若干针对欧洲红松鼠（Sciurus vulgaris）占据数据定制的新二元回归模型。
引用
@article{arxiv.1905.05242,
title = {Hierarchical approaches for flexible and interpretable binary regression models},
author = {Henry R. Scharf and Xinyi Lu and Perry J. Williams and Mevin B. Hooten},
journal= {arXiv preprint arXiv:1905.05242},
year = {2019}
}