多维自适应惩罚样条及其在神经元活动研究中的应用
统计方法学
2020-12-02 v2 应用统计
统计计算
摘要
P样条模型在统计学和应用研究中已广受欢迎。P样条的一个可能缺陷是假设协变量效应在其整个定义域上平滑过渡。然而，在一些实际应用中，需要并期望对数据局部地调整平滑度，因而提出了自适应P样条。不过，自适应P样条模型所提供的额外灵活性是以高昂的计算负担为代价的，尤其在多维情形下。此外，据我们所知，现有文献缺乏超过二维的自适应P样条方案。受分析视觉皮层神经元活动实验数据的需求驱动，本文提出了一种新颖的局部自适应各向异性P样条模型，适用于二维（如空间）和三维（空间与时间）情形。估计基于最近提出的SOP（分离重叠精度矩阵）方法，该方法提供了我们所寻求的速度。通过模拟评估了该方案的实用性能，并给出了与替代方法的比较。除了对催生本工作的数据进行时空分析外，我们还讨论了关于工人缺勤的二维应用。
引用
@article{arxiv.2010.03828,
title = {Multidimensional Adaptive Penalised Splines with Application to Neurons' Activity Studies},
author = {María Xosé Rodríguez-Álvarez and María Durbán and Paul H. C. Eilers and Dae-Jin Lee and Francisco Gonzalez},
journal= {arXiv preprint arXiv:2010.03828},
year = {2020}
}