面向极端事件比例的双组分模型：XT-REM
统计方法学
2026-03-26 v1 统计理论
统计理论
摘要
本文提出了一种新型模型，用于极端事件比例的元分析，将标准随机效应模型(REM)与极值理论(EVT)基于组件相结合。提出的模型称为XT-REM(Extreme-Tail Random Effects Model)，它通过基于预定义阈值的研究集合分段，显式地将极端比例纳入考虑。虽然大多数比例使用REM进行建模，但超过阈值的比例则采用广义帕累托分布(GPD)进行分析。这种表述方式实现了对元分析结果的双重解释，既提供中心大部分研究的聚合估计，又对尾部行为进行独立特征化。XT-REM框架容纳比例数据固有的异方差结构，同时保持可识别性和一致性。我们使用关于免疫治疗相关不良事件的真实数据，以及校准至经验场景的模拟研究，表明XT-REM在得到相当于经典REM的中心估计的同时，能够更明确地评估尾部行为，包括高百分位的极端比例。与经典REM相比，在所考虑的情景中，XT-REM实现了更高的对数似然值和更低的AIC，表明在该建模框架中表现更佳。总之，XT-REM为随机效应元分析提供了一个理论上有依据且在实践中实用的扩展，在临床情境中尤其适用于极端事件率在风险评估中具有重要含义的情形。
引用
@article{arxiv.2603.24263,
title = {XT-REM: A Two-Component Model for Meta-Analysis of Extreme Event Proportions},
author = {Jovana Dedeić and Jelena Ivetić and Srđan Milićević and Katarina Vidojević and Marija Delić},
journal= {arXiv preprint arXiv:2603.24263},
year = {2026}
}
备注
Under preparation for submission to Computational Statistics & Data Analysis. Includes simulation study and real-world application of the XT-REM model