用于函数型联合模型的函数偏最小二乘方法
统计方法学
2021-09-24 v1
摘要
许多生物医学研究已识别出与重复临床测量和生存结局均相关的重要影像生物标志物。Li 和 Luo(2017)提出的函数型联合模型(FJM)框架,在基于函数主成分分析(FPCA)调整高维影像与低维协变量的同时,研究重复临床测量与生存数据之间的关联。本文提出一种基于函数偏最小二乘(FPLS)的 FJM 估计新算法。数值研究表明,与 FPCA 相比,所提出的 FPLS 算法在许多重要场景下能给出更准确且稳健的估计与预测性能。我们将所提出的 FPLS 算法应用于阿尔茨海默病神经影像倡议(ADNI)研究。本文准备所使用的数据取自 ADNI 数据库。
引用
@article{arxiv.1911.07111,
title = {Partial Least Squares for Functional Joint Models},
author = {Yue Wang and Joseph Ibrahim and Hongtu Zhu},
journal= {arXiv preprint arXiv:1911.07111},
year = {2021}
}
备注
21 pages, 6 figures