Function on Scalar Regression with Complex Survey Designs
复杂调查设计下的函数型响应对标量协变量回归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。
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：摘要属于复杂抽样下的函数型回归，未明确涉及因果、面板、分布效应等所列细分方向。
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…
复杂调查设计下的函数型响应对标量协变量回归
- 研究问题
- 面对复杂健康调查收集的可穿戴设备函数型数据，如何在分析其与年龄、性别等标量协变量的关联时正确处理调查设计？
- 方法与思路
- 作者逐点拟合调查加权GLM并平滑系数，再通过BRR或RWYB自助法，为函数型回归系数构造逐点及联合置信带。
- 材料陈述的贡献
- 摘要称模拟与NHANES应用显示，考虑调查结构的方法优于忽略该结构的方法，并提供R包svyfosr实现。
- 阅读关注点
- 应核对分层、整群与权重如何进入估计和重抽样，平滑步骤对不确定性的影响，以及联合置信带和比较指标的定义。
- 阅读边界
- 依据arXiv v2预印本摘要，不能据此声称已经同行评审或期刊接收；摘要未给出性能数值，关联分析也不直接识别因果效应。
原文摘要
Large health surveys increasingly collect high-dimensional functional data from wearable devices, and function on scalar regression (FoSR) is used to quantify the relationship between these functional outcomes and scalar covariates like age and sex. However, existing methods for FoSR fail to account for complex survey design. We introduce inferential methods for FoSR with complex survey designs. The approach combines fast univariate inference (FUI) developed for functional outcomes and survey sampling inferential methods developed for scalar outcomes. Our approach consists of three steps: (1) fit survey weighted GLMs at each point along the functional domain, (2) smooth coefficients along the functional domain, and (3) use balanced repeated replication (BRR) or Rao-Wu-Yue-Beaumont (RWYB) bootstrap to obtain pointwise and joint confidence bands for the functional coefficients. The approach is motivated by association studies between continuous physical activity data and covariates collected in the National Health and Nutrition Examination Survey (NHANES). A first-of-its-kind analytical simulation study and empirical simulation using NHANES data demonstrates that our approach performs better than existing methods that do not account for the survey structure. Finally, application of the approach in NHANES shows the practical implications of accounting for survey structure. The approach is implemented in the R package \texttt{svyfosr}.