含插补二元协变量的回归统计推断及其在情感识别中的应用
统计方法学
2024-08-20 v1 应用统计
摘要
在蓬勃发展的直播行业中，对主播情感的准确识别已成为一个关键研究焦点，对用户参与度和内容优化具有深远影响。然而，精确的情感编码通常需要训练有素的专家进行人工标注，使得大规模研究获得完整的观测数据极其昂贵且耗时。受直播情感识别这一挑战的启发，我们开发了一种新颖的插补方法以及一套严谨的统计推断程序，用于分析部分观测的二元数据。具体而言，我们假设每个观测都有一个辅助特征向量，该向量成本低廉，可为整个样本完整收集。随后我们假设一个较小的试点样本，其中目标二元协变量（即情感状态）和辅助特征均完全观测，其规模可能远小于整个样本。此后，可以为目标二元协变量和辅助特征构建回归模型。这使得我们能够利用完全观测的辅助特征为整个样本插补缺失的二元特征。我们建立了相应的渐近理论以进行严谨的统计推断，并进行了广泛的模拟实验，证明了所提方法的有效性和理论合理性。此外，我们使用一个全面的直播情感识别数据集验证了我们的方法，表明我们的插补方法比仅使用试点数据产生了更小的标准误，具有更高的统计效率。我们的发现对提升用户体验和优化直播平台参与度具有重大意义。
引用
@article{arxiv.2408.09619,
title = {Statistical Inference for Regression with Imputed Binary Covariates with Application to Emotion Recognition},
author = {Ziqian Lin and Danyang Huang and Ziyu Xiong and Hansheng Wang},
journal= {arXiv preprint arXiv:2408.09619},
year = {2024}
}