用于自报心理健康数据的半参数计数回归
统计方法学
2021-10-14 v2 应用统计
机器学习
摘要
“在过去 30 天中，您有多少天心理健康状况不佳？”对该问题的回答度量了自报心理健康，并可与全国健康与营养检查调查（NHANES）中的重要协变量相关联。然而，这些计数变量带来主要的分布挑战：数据过度离散、零膨胀、以 30 为界，并以五和七天为增量堆积。为应对这些挑战，我们设计了一种用于计数数据回归的半参数估计与推断框架。数据生成过程由对一个潜高斯回归模型同时变换与取整（STAR）来定义。变换被非参数估计，取整算子确保离散有界数据的正确支撑。最大似然估计量使用与任何可由最小二乘估计的连续数据模型兼容的 EM 算法计算。STAR 回归包含渐近假设检验与置信区间、通过信息准则的变量选择，以及定制诊断。模拟研究验证了该框架的效用。STAR 被应用于研究自报心理健康的相关因素，并相比现有计数数据回归模型在拟合优度上表现出显著改进。
引用
@article{arxiv.2106.09114,
title = {Semiparametric count data regression for self-reported mental health},
author = {Daniel R. Kowal and Bohan Wu},
journal= {arXiv preprint arXiv:2106.09114},
year = {2021}
}