Regression by composition
通过变换复合构建回归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：摘要核心是通用回归框架，二元响应示例未明确涉及离散选择机制或其他所列细分主题。
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…
通过变换复合构建回归
- 研究问题
- 如何把依赖协变量的概率分布变换组合成模块化回归模型，使模型参数具有清晰结构，并容纳增长曲线和二元响应等应用？
- 方法与思路
- 作者以向量空间的群作用描述分布变换，通过线性映射量化协变量贡献，并利用不变子集与仿射结构分析模型性质。
- 材料陈述的贡献
- 摘要提出统一的变换复合回归框架，讨论局部统计性质及可折叠对比，并展示婴儿生长模型和 HIV 治疗二元回归应用。
- 阅读关注点
- 应核对群作用、线性映射与实际参数之间的对应，关注可折叠对比的条件，以及定制二元模型的机制设定和拟合方法。
- 阅读边界
- 仅据所给 Crossref 在线优先版本摘要；具体识别、推断条件和应用结果未说明，不能据此推断后续刊本变化或广泛性能优势。
原文摘要
We describe a modular regression framework in which covariate-dependent transformations are composed together and act on probability distributions. This framework is based on group actions of vector spaces, which are computationally convenient families of transformations that are well suited to model building and inference. We quantify covariate contributions to each group action through corresponding linear maps, and these are the only model parameters to be estimated. Algebraic features of group actions-notably, their invariant subsets-are informative about local statistical properties of the regression model. Vector space actions on affine spaces also provide a minimal geometric structure for comparing distributions, with affine transformations characterizing collapsible contrasts. In two substantive data analyses, we illustrate how unconventional models may be expressed as regressions by composition. We exhibit and extend existing nonlinear models for interpolating infant growth curves for individuals, and for producing standard population growth charts. We also use regression by composition to specify and fit a bespoke, mechanistically-motivated binary regression model for antiretroviral therapies in the treatment of HIV.