Mar, 2015

使用潜在类和潜在过程的扩展混合模型估计: R 包 lcmm

PDF
TL;DR该研究介绍了一个名为 lcmm 的 R 包，该包提供一系列函数，能够基于线性混合模型理论来估计多种数据模型，其中包括了高斯纵向结果 (hlme)、曲线和有序单变量纵向结果 (lcmm)、曲线多变量结果 (multlcmm)、联合潜在类混合模型 (Jointlcmm) 等；该包还提供最大似然估计函数，以及可能包括其负数的二次导数基于参数和似然稳定性的严格收敛标准；此外，该包还提供多种与后拟函数有关的函数，如拟合度分析、分类、预测轨迹、个体动态预测和预测精度评估等，该文实际上是该包的同伴文件，旨在通过数据集的实际示例等方式，介绍每个数据模型的家族、估计技术和一些实施细节。
发现论文，激发创造
  • 使用 Stan 的贝叶斯线性混合模型：心理学家、语言学家和认知科学家的教程

    本文介绍了如何使用 Stan，在贝叶斯框架下拟合线性混合模型，着重讲解了如何通过两种不同的受试者间设计实验来逐步拟合越来越复杂的混合模型。

    Jun, 2015

  • LMC 多任务高斯过程模型的准确高效解决方案

    在本研究中，通过对线性协同关联模型（LMC）进行扩展和参数化，我们证明了只需要对噪声模型做一个温和的假设，即可实现高效的 LMC 的精确计算，从而使其成为目前最先进模型的可靠且简化的替代品，极大地方便了一些计算，如留一法交叉验证和虚构。

    Oct, 2023

  • 使用 lme4 拟合线性混合效应模型

    使用 R 语言的 lme4 包中的 lmer 函数可以使用最大似然或受限制的最大似然估计线性混合效应模型中的参数。该论文描述了模型的结构，评估剖面偏差或 REML 准则的步骤，以及表示这种模型的类或类型的结构。

    Jun, 2014

  • 分析不完整的离散纵向临床试验数据

    本文介绍一种可以应用于非高斯离散数据的完全纵向数据分析方法 —— 广义线性混合效应模型，详细讨论了该方法在最大似然法下缺失数据假设机制的可行性，以及如何进行敏感性分析，并结合两个病例进行实证分析。

    Jun, 2006

  • 等价集限制潜类模型 (ESRLCM)

    我们提出了一种称为等价集限制潜在类别模型 (ESRLCM) 的新型贝叶斯模型，用于聚类多元分类数据，并且相对于传统的限制潜在属性模型具有更广泛的适用性。我们验证了 ESRLCM 的可识别性，并在模拟和实际应用中证明了其有效性。

    Jun, 2024

  • LMLFM：纵向多层因子分解机

    LMLFM 是第一个考虑数据的复杂相关性和非线性交互作用，可以从长期数据中学习预测模型并选择最具预测性的固定效应和随机效应的多层因子机。在模拟和实际应用中，LMLFM 在预测准确性、变量选择和规模上均优于现有方法。

    Nov, 2019

  • 用于参数估计因果效应的 R 软件包

    该研究介绍了 R 包 CausalModels 的使用，旨在提供一些结构模型，以解决因果推断的统计分析问题，并为因果效应的估计提供多种常用方法，包括标准化、IP 加权、G 估计、结果回归、工具变量和倾向匹配。

    Jul, 2023

  • 使用低秩数据逼近的高维贝叶斯推断 LR-GLM

    LR-GLM method based on low-rank approximation with Bayesian inference is proposed to improve efficiency of generalized linear models with large number of covariates, and the experiment results validate the effectiveness of LR-GLM on large-scale datasets.

    May, 2019

  • 基于线性混合模型的大规模数据集高效计算及其在遗传研究中的应用

    考虑到基因组关联研究，在许多预测变量已经在同一个个体中收集并且每个预测变量都是单独分析的情况下，我们引入一个标准的线性模型，并在其中引入一个额外的随机效应。本文的三个创新点是（1）线性和 log-odds 尺度之间的转换是准确的，特别适用于小效应大小的重要的遗传情况；(2) 一种极大似然算法，比以前发表的方法快一个数量级以上；和 (3) 计算边缘似然的有效方法，允许贝叶斯模型比较。该方法已成功应用于包括超过 20,000 个人和 500,000 个遗传变异的多发性硬化的大规模关联研究。

    Jul, 2012

  • PReMiuM：利用狄利克雷过程的个人资料回归混合模型的 R 软件包

    该论文介绍了使用 Dirichlet process 混合模型进行 Bayesian 聚类的 R 软件包 PReMiuM，并实现了对响应向量和协变量数据的非参数链接，同时还提供了一些后处理函数和变量选择的功能。

    Mar, 2013