論文の概要: Block Empirical Likelihood Inference for Longitudinal Generalized Partially Linear Single-Index Models

• arxiv url: http://arxiv.org/abs/2602.14981v2
• Date: Wed, 18 Feb 2026 10:47:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-19 13:51:30.971061
• Title: Block Empirical Likelihood Inference for Longitudinal Generalized Partially Linear Single-Index Models
• Title（参考訳）: 直交一般化部分線形インデクスモデルに対するブロック経験的擬似推論
• Authors: Tianni Zhang, Yuyao Wang, Yu Lu, Mengfei Ran,
• Abstract要約: 一般化された部分線形単一インデックスモデル(GPLSIM)は、長手結果の柔軟な解釈可能な半パラメトリックフレームワークを提供する。 半パラメトリックな設定では、内部オブジェクトの相関がニュアンスパラメータを誘導し、分散推定が不安定になるため、反復測定では有効な推論が難しい。 本研究では,未知リンク関数のスプライン近似に基づくプロファイル推定式を提案し,パラメトリック係数と単軸方向の共振子推論のための主観レベルブロック実験可能性(BEL)を構築した。
• 参考スコア（独自算出の注目度）: 9.83545269451662
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generalized partially linear single-index models (GPLSIMs) provide a flexible and interpretable semiparametric framework for longitudinal outcomes by combining a low-dimensional parametric component with a nonparametric index component. For repeated measurements, valid inference is challenging because within-subject correlation induces nuisance parameters and variance estimation can be unstable in semiparametric settings. We propose a profile estimating-equation approach based on spline approximation of the unknown link function and construct a subject-level block empirical likelihood (BEL) for joint inference on the parametric coefficients and the single-index direction. The resulting BEL ratio statistic enjoys a Wilks-type chi-square limit, yielding likelihood-free confidence regions without explicit sandwich variance estimation. We also discuss practical implementation, including constrained optimization for the index parameter, working-correlation choices, and bootstrap-based confidence bands for the nonparametric component. Simulation studies and an application to the epilepsy longitudinal study illustrate the finite-sample performance.
• Abstract（参考訳）: 一般化された部分線形単一インデックスモデル(GPLSIM)は、低次元パラメトリック成分と非パラメトリック指数成分を組み合わせることで、長手的な結果に対して柔軟かつ解釈可能な半パラメトリックフレームワークを提供する。 半パラメトリックな設定では、内部オブジェクトの相関がニュアンスパラメータを誘導し、分散推定が不安定になるため、反復測定では有効な推論が難しい。 本研究では,未知リンク関数のスプライン近似に基づくプロファイル推定式を提案し,パラメトリック係数と単軸方向の共振子推論のための主観レベルブロック実験可能性(BEL)を構築した。 結果のBEL比統計はウィルクス型カイ二乗限界を満足し、明確なサンドイッチの偏差を見積もることなく、確率自由な信頼領域が得られる。 また、索引パラメータの制約付き最適化、作業相関選択、非パラメトリック成分のブートストラップに基づく信頼バンドなど、実用的な実装についても論じる。 シミュレーション研究とてんかん縦断的研究への応用は、有限サンプル性能を示す。

関連論文リスト

• Solving Inverse Parametrized Problems via Finite Elements and Extreme Learning Networks [0.0]
  パラメータ依存偏微分方程式に対するパラメトリック・リダクション・オーダー・モデリング・フレームワークを開発した。 空間的離散化とパラメータ近似の相互作用を明示的に定量化する厳密な誤差推定を導出する。 提案手法は定量的な光音響トモグラフィーにおける逆問題に応用され、ポテンシャルとパラメータ再構成誤差の推定を導出する。
  論文  参考訳（メタデータ） (2026-02-16T14:01:50Z)
• Efficient Covariance Estimation for Sparsified Functional Data [51.69796254617083]
  共分散関数のランダムノット(ランダムノット-空間)とB-スプライン(Bspline-Spatial)推定器は計算的に効率的である。 共分散の漸近的なポイントワイドは、ある規則性条件下でのスパース化された個々の軌跡に対して得られる。
  論文  参考訳（メタデータ） (2025-11-23T00:50:33Z)
• Gradient Boosted Mixed Models: Flexible Joint Estimation of Mean and Variance Components for Clustered Data [0.6361348748202732]
  Gradient Boosted Mixed Models (GBMixed)は、平均成分と分散成分を共同で見積もるために強化を拡張するフレームワークとアルゴリズムである。 シミュレーションと実世界の応用は、分散成分の正確な回復、キャリブレーションされた予測間隔、予測精度の改善を示す。
  論文  参考訳（メタデータ） (2025-10-31T19:28:26Z)
• Kernel-Based Nonparametric Tests For Shape Constraints [0.0]
  サンプル推定器の統計的特性を導出し、厳密な理論的保証を提供する。 有限格子上の形状制約を検証するためのWald型合同統計法を提案する。
  論文  参考訳（メタデータ） (2025-10-19T08:07:33Z)
• Multivariate root-n-consistent smoothing parameter free matching estimators and estimators of inverse density weighted expectations [51.000851088730684]
  我々は、パラメトリックな$sqrt n $-rateで収束する、最も近い隣人の新しい修正とマッチング推定器を開発する。 我々は,非パラメトリック関数推定器は含まないこと,特に標本サイズ依存パラメータの平滑化には依存していないことを強調する。
  論文  参考訳（メタデータ） (2024-07-11T13:28:34Z)
• Robust probabilistic inference via a constrained transport metric [8.85031165304586]
  我々は、パラメトリックな分布の族の近くに集中するように慎重に設計された指数関数的に傾いた経験的確に構築することで、新しい代替手段を提供する。 提案手法は,多種多様なロバストな推論問題に応用し,中心分布に付随するパラメータを推論する。 我々は,最先端の頑健なベイズ推論手法と比較した場合,提案手法の優れた性能を示す。
  論文  参考訳（メタデータ） (2023-03-17T16:10:06Z)
• Kernel-based off-policy estimation without overlap: Instance optimality beyond semiparametric efficiency [53.90687548731265]
  本研究では,観測データに基づいて線形関数を推定するための最適手順について検討する。 任意の凸および対称函数クラス $mathcalF$ に対して、平均二乗誤差で有界な非漸近局所ミニマックスを導出する。
  論文  参考訳（メタデータ） (2023-01-16T02:57:37Z)
• Data-Driven Influence Functions for Optimization-Based Causal Inference [105.5385525290466]
  統計的汎関数に対するガトー微分を有限差分法で近似する構成的アルゴリズムについて検討する。 本研究では,確率分布を事前知識がないが,データから推定する必要がある場合について検討する。
  論文  参考訳（メタデータ） (2022-08-29T16:16:22Z)
• Online Statistical Inference for Stochastic Optimization via Kiefer-Wolfowitz Methods [8.890430804063705]
  The distribution for the Polyak-Ruppert-averaging type Kiefer-Wolfowitz (AKW) estimators。 分布結果は、統計効率と関数クエリの複雑さのトレードオフを反映している。
  論文  参考訳（メタデータ） (2021-02-05T19:22:41Z)
• Boosting in Univariate Nonparametric Maximum Likelihood Estimation [5.770800671793959]
  非パラメトリック最大推定は未知の密度分布を推定することを目的としている。 非パラメトリックデータフィッティングにおけるオーバーパラメータ化を軽減するため、スムーズな仮定は通常、推定にマージされる。 非パラメトリックログ類似性の2次近似によりブースティングアルゴリズムを推定する。
  論文  参考訳（メタデータ） (2021-01-21T08:46:33Z)
• Understanding Implicit Regularization in Over-Parameterized Single Index Model [55.41685740015095]
  我々は高次元単一インデックスモデルのための正規化自由アルゴリズムを設計する。 暗黙正則化現象の理論的保証を提供する。
  論文  参考訳（メタデータ） (2020-07-16T13:27:47Z)
• Nonparametric Score Estimators [49.42469547970041]
  未知分布によって生成されたサンプルの集合からスコアを推定することは確率モデルの推論と学習における基本的なタスクである。 正規化非パラメトリック回帰の枠組みの下で、これらの推定器の統一的なビューを提供する。 カールフリーカーネルと高速収束による計算効果を享受する反復正規化に基づくスコア推定器を提案する。
  論文  参考訳（メタデータ） (2020-05-20T15:01:03Z)
• Distributed, partially collapsed MCMC for Bayesian Nonparametrics [68.5279360794418]
  ディリクレ法やベータ・ベルヌーリ法のようなモデルでよく用いられる完全無作為測度は独立な部分測度に分解可能であるという事実を利用する。 この分解を用いて、潜在測度を、インスタンス化された成分のみを含む有限測度と、他のすべての成分を含む無限測度に分割する。 得られたハイブリッドアルゴリズムは、収束保証を犠牲にすることなくスケーラブルな推論を可能にすることができる。
  論文  参考訳（メタデータ） (2020-01-15T23:10:13Z)

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。