运动学上肢运动数据的非线性混合效应标量对函数模型与变量选择
应用统计
2016-05-24 v1
摘要
本文源于一项合作研究，其目标是利用三维运动学数据建模中风后上肢功能的临床评估。我们提出一种新的带高斯过程先验的非线性混合效应标量对函数回归模型，侧重于从包含标量和函数变量的大量候选中进行变量选择。开发了一种新的变量选择算法，即函数最小角回归(fLARS)。由于它们对该算法至关重要，我们研究了用不同方法表示函数变量，以及标量与一组混合标量和函数变量之间的相关性。我们还提出了两种用于实际使用的新的停止规则。该算法能够在变量数大于样本量时进行变量选择。它在变量选择和参数估计方面都高效且准确。我们全面的模拟研究表明该方法优于其他现有变量选择方法。当该算法应用于三维动力学运动数据分析时，使用非线性随机效应模型和函数变量显著提高了临床评估的预测精度。
引用
@article{arxiv.1605.06779,
title = {Nonlinear Mixed-effects Scalar-on-function Models and Variable Selection for Kinematic Upper Limb Movement Data},
author = {Yafeng Cheng and Jian Qing Shi and Janet Eyre},
journal= {arXiv preprint arXiv:1605.06779},
year = {2016}
}
备注
31 pages, 9 figures. Submitted to Annuals of applied statistics