論文の概要: Estimating Linear Mixed Effects Models with Truncated Normally Distributed Random Effects

• arxiv url: http://arxiv.org/abs/2011.04538v9
• Date: Sat, 31 Jul 2021 00:46:43 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-28 02:04:18.864717
• Title: Estimating Linear Mixed Effects Models with Truncated Normally Distributed Random Effects
• Title（参考訳）: 正規分布ランダム効果を用いた線形混合効果モデルの推定
• Authors: Hao Chen, Lanshan Han and Alvin Lim
• Abstract要約: ランダム効果の正規分布を仮定した場合、最大極大アプローチを用いて推論を行うことができる。 本稿では、古典的(制約のない)LMEモデルを拡張し、その全体係数の符号制約を許容する。
• 参考スコア（独自算出の注目度）: 5.4052819252055055
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Linear Mixed Effects (LME) models have been widely applied in clustered data analysis in many areas including marketing research, clinical trials, and biomedical studies. Inference can be conducted using maximum likelihood approach if assuming Normal distributions on the random effects. However, in many applications of economy, business and medicine, it is often essential to impose constraints on the regression parameters after taking their real-world interpretations into account. Therefore, in this paper we extend the classical (unconstrained) LME models to allow for sign constraints on its overall coefficients. We propose to assume a symmetric doubly truncated Normal (SDTN) distribution on the random effects instead of the unconstrained Normal distribution which is often found in classical literature. With the aforementioned change, difficulty has dramatically increased as the exact distribution of the dependent variable becomes analytically intractable. We then develop likelihood-based approaches to estimate the unknown model parameters utilizing the approximation of its exact distribution. Simulation studies have shown that the proposed constrained model not only improves real-world interpretations of results, but also achieves satisfactory performance on model fits as compared to the existing model.
• Abstract（参考訳）: 線形混合効果(lme)モデルは、マーケティング研究、臨床試験、生物医学研究など、多くの分野のクラスターデータ分析に広く適用されてきた。 ランダム効果の正規分布を仮定した場合、最大極大アプローチを用いて推論を行うことができる。 しかし、経済、ビジネス、医療の多くの応用において、現実の解釈を考慮して回帰パラメータに制約を課すことは不可欠である。 そこで本稿では,古典的(制約のない)LMEモデルを拡張して,その全体係数の符号制約を許容する。 本稿では,古典文学でよく見られる非拘束正規分布の代わりに,ランダムな効果に対して,対称な2重トラッピング正規分布(SDTN)を仮定する。 この変化により、依存変数の正確な分布が解析的に難解になるにつれて、難易度が劇的に増大する。 次に,その厳密分布の近似を用いて未知のモデルパラメータを推定する確率に基づく手法を開発した。 シミュレーション研究により,提案モデルが実世界の結果解釈を改善できるだけでなく,既存のモデルと比較して,モデル適合性が満足できることを示した。

関連論文リスト

• A Likelihood Based Approach to Distribution Regression Using Conditional Deep Generative Models [6.647819824559201]
  本研究では,条件付き深部生成モデルの推定のための可能性に基づくアプローチの大規模サンプル特性について検討する。 その結果,条件分布を推定するための最大極大推定器の収束率を導いた。
  論文  参考訳（メタデータ） (2024-10-02T20:46:21Z)
• GLAD: Towards Better Reconstruction with Global and Local Adaptive Diffusion Models for Unsupervised Anomaly Detection [60.78684630040313]
  拡散モデルは、特定のノイズを付加したテスト画像の通常の画像を再構成する傾向がある。 世界的視点から見ると、異なる異常による画像再構成の難しさは不均一である。 本稿では,非教師付き異常検出のためのグローバルかつ局所的な適応拡散モデル(GLADと略す)を提案する。
  論文  参考訳（メタデータ） (2024-06-11T17:27:23Z)
• A PAC-Bayesian Perspective on the Interpolating Information Criterion [54.548058449535155]
  補間系の性能に影響を及ぼす要因を特徴付ける一般モデルのクラスに対して,PAC-Bayes境界がいかに得られるかを示す。 オーバーパラメータ化モデルに対するテスト誤差が、モデルとパラメータの初期化スキームの組み合わせによって課される暗黙の正規化の品質に依存するかの定量化を行う。
  論文  参考訳（メタデータ） (2023-11-13T01:48:08Z)
• Dropout Regularization in Extended Generalized Linear Models based on Double Exponential Families [0.0]
  二重指数族に基づく拡張一般化線形モデルにおけるドロップアウト正則化について検討する。 理論解析により、ドロップアウト正則化は平均値と分散値の両方において稀だが重要な特徴を好むことが示された。
  論文  参考訳（メタデータ） (2023-05-11T07:54:11Z)
• Optimal regularizations for data generation with probabilistic graphical models [0.0]
  経験的に、よく調和された正規化スキームは、推論されたモデルの品質を劇的に改善する。 生成的ペアワイドグラフィカルモデルの最大Aポストエリオーリ(MAP)推論におけるL2とL1の正規化について検討する。
  論文  参考訳（メタデータ） (2021-12-02T14:45:16Z)
• Estimation of Bivariate Structural Causal Models by Variational Gaussian Process Regression Under Likelihoods Parametrised by Normalising Flows [74.85071867225533]
  因果機構は構造因果モデルによって記述できる。 最先端の人工知能の大きな欠点の1つは、説明責任の欠如である。
  論文  参考訳（メタデータ） (2021-09-06T14:52:58Z)
• Counterfactual Maximum Likelihood Estimation for Training Deep Networks [83.44219640437657]
  深層学習モデルは、予測的手がかりとして学習すべきでない急激な相関を学習する傾向がある。 本研究では,観測可能な共同設立者による相関関係の緩和を目的とした因果関係に基づくトレーニングフレームワークを提案する。 自然言語推論(NLI)と画像キャプションという2つの実世界の課題について実験を行った。
  論文  参考訳（メタデータ） (2021-06-07T17:47:16Z)
• A Twin Neural Model for Uplift [59.38563723706796]
  Upliftは条件付き治療効果モデリングの特定のケースです。 相対リスクのベイズ解釈との関連性を利用して定義した新たな損失関数を提案する。 本提案手法は,シミュレーション設定の最先端と大規模ランダム化実験による実データとの競合性を示す。
  論文  参考訳（メタデータ） (2021-05-11T16:02:39Z)
• Achieving Efficiency in Black Box Simulation of Distribution Tails with Self-structuring Importance Samplers [1.6114012813668934]
  本稿では,線形プログラムや整数線形プログラム,ピースワイド線形・二次目的,ディープニューラルネットワークで指定された特徴マップなど,多種多様なツールでモデル化されたパフォーマンス指標の分布を推定する,新しいImportance Smpling(IS)方式を提案する。
  論文  参考訳（メタデータ） (2021-02-14T03:37:22Z)
• Flexible mean field variational inference using mixtures of non-overlapping exponential families [6.599344783327053]
  標準平均場変動推論を用いることで、疎性誘導前のモデルに対して妥当な結果が得られないことを示す。 拡散指数族と 0 の点質量の任意の混合が指数族を形成することを示す。
  論文  参考訳（メタデータ） (2020-10-14T01:46:56Z)
• Decision-Making with Auto-Encoding Variational Bayes [71.44735417472043]
  変分分布とは異なる後部近似を用いて意思決定を行うことが示唆された。 これらの理論的な結果から,最適モデルに関するいくつかの近似的提案を学習することを提案する。 おもちゃの例に加えて,単細胞RNAシークエンシングのケーススタディも紹介する。
  論文  参考訳（メタデータ） (2020-02-17T19:23:36Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。