Variable selection for semiparametric mixed models in longitudinal studies.
Variable selection for semiparametric mixed models in longitudinal studies.
复制标题
DOI：
10.1111/j.1541-0420.2009.01240.x
复制
发表时间：
2010-03
期刊：
影响因子：
1.9
通讯作者：
Zhang HH
中科院分区：
文献类型：
--
作者：
Ni X;Zhang D;Zhang HH
我们提出了一种双惩罚似然方法，用于纵向数据的半参数混合模型的同时模型选择和估计。对普通对数似然函数联合施加两种惩罚：对非参数基线函数的粗糙度惩罚和对线性系数的非凹收缩惩罚，以实现模型稀疏性。与现有的基于估计方程的方法相比，我们的方法对随机缺失的数据提供了有效的推断，并且在指定模型正确的情况下效率更高。该方法的另一个优点是易于计算回归分量和方差参数。我们证明了双惩罚问题可以方便地重新表述为一个线性混合模型框架，从而可以直接使用现有的软件来实现我们的方法。为了模型推理的目的，我们推导了估计的参数和非参数分量的频率估计和贝叶斯方差估计。通过仿真来评估和比较我们的方法与现有方法的性能。然后，我们将新方法应用于哺乳研究的真实数据集。
We propose a double-penalized likelihood approach for simultaneous model selection and estimation in semiparametric mixed models for longitudinal data. Two types of penalties are jointly imposed on the ordinary log-likelihood: the roughness penalty on the nonparametric baseline function and a nonconcave shrinkage penalty on linear coefficients to achieve model sparsity. Compared to existing estimation equation based approaches, our procedure provides valid inference for data with missing at random, and will be more efficient if the specified model is correct. Another advantage of the new procedure is its easy computation for both regression components and variance parameters. We show that the double penalized problem can be conveniently reformulated into a linear mixed model framework, so that existing software can be directly used to implement our method. For the purpose of model inference, we derive both frequentist and Bayesian variance estimation for estimated parametric and nonparametric components. Simulation is used to evaluate and compare the performance of our method to the existing ones. We then apply the new method to a real data set from a lactation study.
登录
查看更多内容
影响因子：
2.7
作者：
Wang, Hansheng;Li, Runze;Tsai, Chih-Ling
通讯作者：
Tsai, Chih-Ling
影响因子：
4.5
作者：
Zou, Hui;Li, Runze
通讯作者：
Li, Runze
影响因子：
2
作者：
GREEN, PJ
通讯作者：
GREEN, PJ
DOI：
10.1198/016214505000000592
发表时间：
2006-03-01
影响因子：
3.7
作者：
Chen, K;Jin, ZZ
通讯作者：
Jin, ZZ
影响因子：
2.7
作者：
He, XM;Zhu, ZY;Fung, WK
通讯作者：
Fung, WK