有序 Probit 函数型结果回归及其在恒河猴计算机使用行为中的应用
统计方法学
2023-08-01 v2
摘要
函数型回归研究在非高斯函数型结果方面已取得巨大进展，但对有序函数型结果的探索仍然有限。受一项关于恒河猴（Macaca mulatta）计算机使用行为研究的启发，我们引入了有序 Probit 函数型结果回归模型（OPFOR）。OPFOR 模型可使用若干基函数之一进行拟合，包括惩罚 B 样条、小波和 O'Sullivan 样条——其中最后一种通常表现最佳。使用多种底层协方差模式的模拟表明，该模型在多个基函数下的估计表现合理，且联合可信区间的覆盖接近名义水平。最后，在应用中，我们使用适应于函数型结果回归的贝叶斯模型选择准则，来最佳刻画若干感兴趣的人口统计学因素与猴子一年内计算机使用之间的关系。与标准有序纵向分析相比，OPFOR 在模拟中优于累积链接混合效应模型，并提供关于猴子计算机使用行为性质的额外且更细致的信息。
引用
@article{arxiv.1901.07976,
title = {Ordinal Probit Functional Outcome Regression with Application to Computer-Use Behavior in Rhesus Monkeys},
author = {Mark J. Meyer and Jeffrey S. Morris and Regina Paxton Gazes and Brent A. Coull},
journal= {arXiv preprint arXiv:1901.07976},
year = {2023}
}