Smoothing Spline ANOVA for Multivariate Bernoulli Observations With Application to Ophthalmology Data
多元伯努利观测的平滑样条方差分析及眼科应用AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究多元二元医学结果的联合分布，没有明确的离散选择行为模型、面板结构或因果识别目标。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
多元伯努利观测的平滑样条方差分析及眼科应用
- 研究问题
- 如何灵活估计多个二元结果给定预测变量的联合分布，同时描述结果间关联并自适应选择平滑参数？
- 方法与思路
- 作者结合平滑样条方差分析与对数线性模型，用分块迭代求近似解，扩展广义近似交叉验证，并构造近似贝叶斯区间。
- 材料陈述的贡献
- 摘要称提出多元伯努利建模与平滑参数选择方案，随机化交叉验证计算快速稳定，并以模拟及双眼观测数据展示方法。
- 阅读关注点
- 应核对联合概率约束、关联参数与平滑函数的分工、迭代收敛，以及近似区间覆盖率和模拟比较的设置。
- 阅读边界
- 版本未注明的索引摘要未报告计算速度、误差或区间覆盖数值；眼科应用描述的是关联，不能据此解释为因果效应。
原文摘要
We combine a smoothing spline analysis of variance (SS-ANOVA) model and a log-linear model to build a partly flexible model for multivariate Bernoulli data. The joint distribution conditioning on the predictor variables is estimated. The log odds ratio is used to measure the association between outcome variables. A numerical scheme based on the block one-step successive over relaxation SOR–Newton-Ralphson algorithm is proposed to obtain an approximate solution for the variational problem. We extend the generalized approximate cross validation (GACV) and the randomized GACV for choosing smoothing parameters to the case of multivariate Bernoulli responses. The randomized version is fast and stable to compute and is used to adaptively select smoothing parameters in each block onestep SOR iteration. Approximate Bayesian confidence intervals are obtained for the flexible estimates of the conditional logit functions. Simulation studies are conducted to check the performance of the proposed method, using the comparative Kullback–Leibler distance as a yardstick. Finally, the model is applied to two-eye observational data from the Beaver Dam Eye Study, to examine the association of pigmentary abnormalities and various covariates.