Bayesian Factor Analysis for Inference on Interactions.
Bayesian Factor Analysis for Inference on Interactions.
复制标题
DOI：
10.1080/01621459.2020.1745813
复制
发表时间：
2021
影响因子：
3.7
通讯作者：
Dunson DB
中科院分区：
文献类型：
--
作者：
Ferrari F;Dunson DB
本文的动机是推断影响人类健康结果的化学品暴露之间的相互作用。化学品通常同时存在于环境中或合成混合物中，因此暴露水平可能高度相关。我们提出了一个潜在因素联合模型，其中包括预测因子和响应分量中的共享因子，同时假设条件独立。通过在响应分量的潜在变量中包含二次回归，我们在表征主效应和相互作用时引入了灵活的降维。我们在交互因子分析 (FIN) 框架下提出了贝叶斯推理方法。通过对因子建模结构的适当修改，FIN 可以适应更高阶的交互。我们使用模拟研究和国家健康与营养检查调查 (NHANES) 的数据来评估表现。代码可在 GitHub 上获取。
This article is motivated by the problem of inference on interactions among chemical exposures impacting human health outcomes. Chemicals often co-occur in the environment or in synthetic mixtures and as a result exposure levels can be highly correlated. We propose a latent factor joint model, which includes shared factors in both the predictor and response components while assuming conditional independence. By including a quadratic regression in the latent variables in the response component, we induce flexible dimension reduction in characterizing main effects and interactions. We propose a Bayesian approach to inference under this Factor analysis for INteractions (FIN) framework. Through appropriate modifications of the factor modeling structure, FIN can accommodate higher order interactions. We evaluate the performance using a simulation study and data from the National Health and Nutrition Examination Survey (NHANES). Code is available on GitHub.
登录
查看更多内容
DOI：
10.1038/nrendo.2016.186
发表时间：
2017-03
期刊：
Nature reviews. Endocrinology
影响因子：
--
作者：
Braun JM
通讯作者：
Braun JM
DOI：
10.1038/nrg2579
发表时间：
2009-06
期刊：
Nature reviews. Genetics
影响因子：
--
作者：
Cordell HJ
通讯作者：
Cordell HJ
影响因子：
10.4
作者：
Claus Henn B;Schnaas L;Ettinger AS;Schwartz J;Lamadrid-Figueroa H;Hernández-Avila M;Amarasiriwardena C;Hu H;Bellinger DC;Wright RO;Téllez-Rojo MM
通讯作者：
Téllez-Rojo MM
DOI：
10.2307/3315687
发表时间：
1996-03-01
影响因子：
0.6
作者：
Chipman, H
通讯作者：
Chipman, H
影响因子：
8.3
作者：
Lin, Ching-Chun;Chen, Yu-Chuan;Chen, Pau-Chung
通讯作者：
Chen, Pau-Chung