Targeted empirical Bayes for more supervised joint factor analysis
用于更强监督联合因子分析的目标经验贝叶斯方法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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要讨论一般联合因子模型与健康预测，未提供宏观因子或金融因子方向的直接证据。
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…
关注这篇论文的作者
用于更强监督联合因子分析的目标经验贝叶斯方法
- 研究问题
- 当响应变量的信号不位于预测变量的主导主成分中时，如何调整联合贝叶斯因子模型以改善响应预测？
- 方法与思路
- 作者保留联合因子建模思路，通过针对条件预测表现的经验贝叶斯程序估计响应模型残差方差，并进行模拟与应用。
- 材料陈述的贡献
- 摘要称该调整可在模拟中明显改善表现，并给出环境暴露健康研究背景下的 NHANES 数据应用。
- 阅读关注点
- 应核对经验贝叶斯目标如何定义、残差方差如何估计，以及预测验证、因子数量选择和比较模型的具体设置。
- 阅读边界
- 这是预印本，同行评审及期刊接收未获核实；摘要未说明预测改进的适用范围，健康应用也未提供因果识别依据。
原文摘要
Joint Bayesian factor models are popular for characterizing relationships between multivariate correlated predictors and a response variable. Standard models assume that all variables, including both the predictors and the response, are conditionally independent given latent factors. In marginalizing out these factors, one obtains a low rank plus diagonal factorization for the joint covariance, which implies a linear regression for the response given the predictors. Although there are many desirable properties of such models, these methods can struggle to identify the signal when the response is not dependent on the dominant principal components in the predictors. To address this problem, we propose estimating the residual variance in the response model with an empirical Bayes procedure that targets predictive performance of the response given the predictors. We illustrate that this can lead to substantial improvements in simulation performance. We are particularly motivated by studies assessing the health effects of environmental exposures and provide an illustrative application to NHANES data.