稀疏多元 GLARMA 模型中的变量选择：在环境调控萌发中的应用
统计方法学
2022-09-01 v1 应用统计
摘要
我们提出了一种新颖且高效的用于多元稀疏 GLARMA 模型的迭代两阶段变量选择方法，该方法可用于对多元离散值时间序列进行建模。我们的方法由迭代组合两个步骤构成：估计多元 GLARMA 模型的自回归移动平均（ARMA）系数，以及通过正则化方法对模型广义线性模型（GLM）部分中的系数进行变量选择。我们说明了如何高效地实现我们的方法。随后，我们使用合成数据评估了我们的方法的性能，并将其与其他替代方法进行比较。最后，我们将其应用于来自多核糖体分析的 RNA-Seq 数据，以确定萌发种子中所有 mRNA 的翻译状态。我们的方法已在 MultiGlarmaVarSel R 包中实现并发布于 CRAN，其极具吸引力，因为它具有较低的计算负担，并且能够在恢复零系数与非零系数方面优于其他方法。
引用
@article{arxiv.2208.14721,
title = {Variable selection in sparse multivariate GLARMA models: Application to germination control by environment},
author = {M. Gomtsyan and C. Lévy-Leduc and S. Ouadah and L. Sansonnet and C. Bailly and L. Rajjou},
journal= {arXiv preprint arXiv:2208.14721},
year = {2022}
}