Joint variable selection for fixed and random effects in linear mixed-effects models.
Joint variable selection for fixed and random effects in linear mixed-effects models.
复制标题
DOI：
10.1111/j.1541-0420.2010.01391.x
复制
发表时间：
2010-12
期刊：
影响因子：
1.9
通讯作者：
Ghosh SK
中科院分区：
文献类型：
--
作者：
Bondell HD;Krishna A;Ghosh SK
在线性混合效应模型中，同时识别与固定效应和随机效应分量相对应的重要预测因子具有重要的实际意义。典型的方法分别对每个固定和随机效应分量执行选择。但是，更改一组效应的结构可能导致另一组效应的变量选择不同。我们建议同时选择的固定和随机因素的线性混合效应模型，使用修改的Cholesky分解。我们的方法是基于惩罚联合对数似然与自适应惩罚的选择和估计的固定和随机效应。它通过允许固定效应或随机效应的标准差恰好为零来执行模型选择。然后使用约束EM算法来获得最终估计。它进一步表明，建议的惩罚估计享有的Oracle属性，在这方面，渐近执行，以及如果真正的模型是已知的。我们证明了我们的方法的性能的基础上的模拟研究和一个真实的数据的例子。
It is of great practical interest to simultaneously identify the important predictors that correspond to both the fixed and random effects components in a linear mixed-effects model. Typical approaches perform selection separately on each of the fixed and random effect components. However, changing the structure of one set of effects can lead to different choices of variables for the other set of effects. We propose simultaneous selection of the fixed and random factors in a linear mixed-effects model using a modified Cholesky decomposition. Our method is based on a penalized joint log-likelihood with an adaptive penalty for the selection and estimation of both the fixed and random effects. It performs model selection by allowing fixed effects or standard deviations of random effects to be exactly zero. A constrained EM algorithm is then used to obtain the final estimates. It is further shown that the proposed penalized estimator enjoys the Oracle property, in that, asymptotically it performs as well as if the true model was known beforehand. We demonstrate the performance of our method based on a simulation study and a real data example.
登录
查看更多内容
影响因子：
--
作者：
KULLBACK, S;LEIBLER, RA
通讯作者：
LEIBLER, RA
DOI：
10.1107/s1600536803018427
发表时间：
2003-09-01
影响因子：
0.9
作者：
Chen, ZF;Zhang, M;Zhou, ZY
通讯作者：
Zhou, ZY
影响因子：
4.5
作者：
Jiang, Jiming;Rao, J. Sunil;Nguyen, Thuan
通讯作者：
Nguyen, Thuan
影响因子：
1.8
作者：
Morrell, CH;Pearson, JD;Brant, LJ
通讯作者：
Brant, LJ
影响因子：
0.6
作者：
Lee, Hyeyoung;Ghosh, Sujit K.
通讯作者：
Ghosh, Sujit K.