EM算法在高维线性混合效应模型正则化问题中的应用
统计方法学
2023-08-04 v1
摘要
EM算法是极大似然估计的常用工具，但在线性混合效应模型的高维正则化问题中应用甚少。本文引入EMLMLasso算法，该算法将EM算法与流行且高效的R包glmnet相结合，用于线性混合效应模型中固定效应的Lasso变量选择。我们通过模拟与真实应用的分析，将所提EMLMLasso算法与著名R包glmmLasso中的实现进行比较。模拟与应用均展现出良好性质，如一致性，以及所提变量选择过程在与下的有效性。此外，在所有评估场景中，EMLMLasso算法均优于glmmLasso。所提方法具有通用性，可轻易扩展至线性混合效应模型的岭回归与弹性网络惩罚。
引用
@article{arxiv.2308.01518,
title = {The use of the EM algorithm for regularization problems in high-dimensional linear mixed-effects models},
author = {Daniela C. R. Oliveira and Fernanda L. Schumacher and Victor H. Lachos},
journal= {arXiv preprint arXiv:2308.01518},
year = {2023}
}