多模态广义线性模型中模态显著性的统计推断
统计方法学
2026-02-04 v2
摘要
尽管多模态统计模型广受欢迎，但缺乏严格的统计推断工具来推断多模态模型中单个模态的显著性，尤其是在高维模型中。对于高维多模态广义线性模型，本文提出了一种新的基于熵的度量——期望相对熵，用于量化一个模态相对于模型中所有其他模态所增加的信息量。本文提出了一种基于偏差的统计量来估计期望相对熵，证明了其一致性，并证明其渐近分布可由非中心卡方分布近似。这使得能够计算置信区间和p值，以评估给定模态的期望相对熵的显著性。本文通过模拟数值评估了所提推断工具的实证性能，并将其应用于多模态神经影像数据集，以展示其在各种高维多模态广义线性模型上的良好性能。
引用
@article{arxiv.2601.16196,
title = {Inference on the Significance of Modalities in Multimodal Generalized Linear Models},
author = {Wanting Jin and Guorong Wu and Quefeng Li},
journal= {arXiv preprint arXiv:2601.16196},
year = {2026}
}
备注
This research was supported by the National Institutes of Health under grant R01-AG073259