变分混合效应模型中的模型选择
统计方法学
2023-08-01 v3 应用统计
统计计算
摘要
变分推断是贝叶斯模型的一种替代估计技术。近期研究表明，变分方法通过高效的确定性算法提供一致估计。其他工具，如基于变分 AIC（VAIC）的模型选择，已在线性回归情形中被开发和研究。尽管混合效应模型在变分背景下已有一些研究，但模型选择工具仍然缺乏。混合效应模型（尤其是纵向模型）中模型选择的一个重要特征是随机效应的选择，其进而决定了重复采样结果的协方差结构。为此，我们推导了专门用于变分混合效应（VME）模型的 VAIC。作为研究的一部分，我们还实现了一种参数高效的 VME，将任意一般随机效应结构化简为单一受试者特定得分。该模型可容纳广泛的随机效应结构，包括随机截距和斜率模型以及随机函数效应。我们的 VAIC 能够对多种 VME 模型进行建模和选择，包括更经典的纵向模型以及纵向标量对函数回归。如我们在经验上所展示的，我们的 VAIC 在区分正确与错误设定的随机效应结构方面表现良好。最后，我们在两个数据集上展示了 VAIC 在 VME 中的应用：一项儿童铅水平研究以及一项扩散张量成像研究。
引用
@article{arxiv.2206.04012,
title = {Model Selection in Variational Mixed Effects Models},
author = {Mark J. Meyer and Selina Carter and Elizabeth J. Malloy},
journal= {arXiv preprint arXiv:2206.04012},
year = {2023}
}