基于最小二乘方法的标量-函数回归模型中使用函数工具变量进行偏差调整
统计方法学
2025-09-16 v1
摘要
工具变量广泛用于调整测量误差偏差，以评估健康结果与易受测量误差影响的独立变量之间的关联。IV 方法在纵向模型中处理测量误差已为人所熟知，但针对函数回归的方法却寥寥无几。我们发展了两种方法来调整标量关于函数线性模型中的测量误差偏差。我们对标量结果对易受测量误差影响的函数变量进行回归，使用函数 IV 进行模型识别，提出两种最小二乘方法以调整测量误差偏差。我们的方法缓解了在高维情境下应用经典回归校准方法时可能遇到的计算挑战，并调整了时间上的潜在序列相关性。仿真结果表明，所提方法相对于现有方法具有更快的运行速度、更低的偏差和更低的 AIMSE。将所提方法应用于研究美国社区居住成年人中体质指数与可穿戴设备基于身体活动强度的关联时，方法效果良好。
引用
@article{arxiv.2509.12122,
title = {Least squares-based methods to bias adjustment in scalar-on-function regression model using a functional instrumental variable},
author = {Xiwei Chen and Ufuk Beyaztas and Caihong Qin and Heyang Ji and Gilson Honvoh and Roger S. Zoh and Lan Xue and Carmen D. Tekwe},
journal= {arXiv preprint arXiv:2509.12122},
year = {2025}
}