标量对图像回归中模型假设的影响
统计方法学
2020-05-04 v3
摘要
诸如标量对图像回归等复杂统计模型常常需要强假设以克服不可辨识性问题。虽然在理论上很好理解模型假设会强烈影响结果，但在实践中这似乎未被充分重视或被淡化。本文对标量对图像回归的主要方法进行了系统综述，特别关注它们的假设。我们对假设进行分类，并制定度量来量化它们被满足的程度。模型假设的影响以及所提度量的实际使用在一项模拟研究和对神经影像数据的应用中得到说明。结果显示，不同的假设确实导致具有相似预测能力的相当不同的估计，引发了关于其可解释性的问题。基于新度量和利用假设系数图像与观测数据的模拟，我们给出了在实践中进行建模和解释的建议。
引用
@article{arxiv.1707.02233,
title = {The Impact of Model Assumptions in Scalar-on-Image Regression},
author = {Clara Happ and Sonja Greven and Volker J. Schmid},
journal= {arXiv preprint arXiv:1707.02233},
year = {2020}
}