JRSS-C — Vol 75 Issue 2 · 2026-05-18¶

共 11 篇 · Journal of the Royal Statistical Society Series C

非参数 / 半参数 (nonparam_semipara, 1 篇)¶

1. 10.1093/jrsssc/qlaf050 — Modelling physician visit frequency and costs using a copula additive distributional regression approach¶

作者: Giampiero Marra, Rosalba Radice
期刊/来源: Journal of the Royal Statistical Society Series C
分类: vol 75 · issue 2 · pp 431-447
相关性 2/10 · novelty: new_method
摘要: 本文提出了一种针对混合计数-连续型结局的 copula 加性分布回归框架，联合建模医生就诊次数（零截断计数分布）与费用（正支撑偏态连续分布）。方法通过加性预测器实现灵活的非参数协变量效应，并利用 copula 捕获两响应变量间的相依结构。推导了基于模型的条件期望等统计量以提升可解释性，并将算法与估计封装至 R 包 GJRM 中。实证分析基于 MEPS 数据揭示了就诊频率与医疗费用的关联及决定因素。对您而言，该文提供了处理流行病学混合型数据的半参数 copula 建模工具及计算实现，且 MEPS 数据集对流行病学应用因果工作有直接的数据集价值。
关键技术: copula regression, additive predictor, distributional regression, zero-truncated count distribution, GAM
为什么对您有用: 提供了处理流行病学混合型数据的半参数 copula 建模工具及 R 包 GJRM 计算实现，且 MEPS 数据集对您在流行病学应用因果推断方向有数据集价值。

统计计算 / 算法 (stat_computing, 3 篇)¶

1. 10.1093/jrsssc/qlaf052 — Gaussian process with dissolution spline kernel for in vitro dissolution testing¶

作者: Fiona Murphy, Marina Navas Bachiller, Deirdre M D’Arcy, Alessio Benavoli
期刊/来源: Journal of the Royal Statistical Society Series C
分类: vol 75 · issue 2 · pp 477-505
相关性 1/10 · novelty: application
摘要: 在体外溶出测试中，针对标准 f2 统计量缺乏不确定性估计、离散时间度量及有偏的缺陷，本文提出一种带有新型溶出样条核的高斯过程（GP）模型。该溶出样条核利用分段 logistic 函数作为特征映射，使 GP 能够捕捉溶出曲线的单调递增特征，从而改善曲线预测。新模型通过在观测时间点间插值预测，降低了 f2 计算偏差，并提供了不确定性量化；同时可扩展纳入溶出特异性协变量。模拟与真实布洛芬数据表明其优于先前用于溶出测试的 GP 模型，并能跨实验设置外推曲线形状。本文核心为面向药剂学的应用建模，对您在非参数理论或统计计算中构造单调约束核函数仅有微弱参考价值，理论深度较浅。
关键技术: Gaussian process, spline kernel, piecewise logistic function, uncertainty quantification, f2 statistic
为什么对您有用: 本文属于药剂学应用统计，与您的主要研究兴趣（因果推断、高维/效率理论等）直接关联极弱；仅在统计计算（特定单调约束核函数构造与插值算法）方面有微弱参考价值。

2. 10.1093/jrsssc/qlaf044 — Towards more realistic climate model outputs: a multivariate bias correction based on zero-inflated vine copulas¶

作者: Henri Funk, Ralf Ludwig, Helmut Küchenhoff, Thomas Nagler
期刊/来源: Journal of the Royal Statistical Society Series C
分类: vol 75 · issue 2 · pp 271-302
相关性 1/10 · novelty: new_method
摘要: 在气候模型高分辨率多变量输出的设定下，目标是校正具有零膨胀边际（降水、辐射）的系统性偏差。提出藤 Copula 偏差校正（VBC）方法，通过估计模型与参考域的藤 Copula 并利用（逆）Rosenblatt 变换转移多变量依赖结构。针对变量的零膨胀特性，开发了新的藤密度分解以容纳此类变量，并引入随机化版本的 Rosenblatt 变换处理离散-连续混合边际。实证表明 VBC 在校正零膨胀事件时精度优于现有方法。对您而言，其处理零膨胀边际的随机化 Rosenblatt 变换与藤密度分解技术，为统计计算与半参数建模中多变量混合分布的推断与模拟提供了可迁移的算法思路。
关键技术: vine copulas, zero-inflated margins, Rosenblatt transformation, multivariate bias correction, vine density decomposition
为什么对您有用: 虽然应用场景为气候模型，但其处理零膨胀边际的随机化 Rosenblatt 变换与藤密度分解技术，为统计计算与半参数建模中多变量离散-连续混合分布的推断与模拟提供了可迁移的算法思路。

3. 10.1093/jrsssc/qlaf045 — Modelling high-resolution spatio-temporal wind with deep echo state networks and stochastic partial differential equations¶

作者: Kesen Wang, Minwoo Kim, Stefano Castruccio, Marc G Genton
期刊/来源: Journal of the Royal Statistical Society Series C
分类: vol 75 · issue 2 · pp 303-319
相关性 0/10 · novelty: application
摘要: 本文针对沙特阿拉伯高分辨率风场的时空建模问题，旨在捕捉空间与时间上高度非线性的动态结构以预测风能输出。方法上，首先利用基于能量距离（energy distance）的降维技术压缩空间信息，随后采用稀疏随机循环神经网络（Echo State Network, ESN）刻画时间动态，最后通过非平稳随机偏微分方程（SPDE）重建全空间高分辨率数据。实证表明，该模型在能源网格管理相关的预测时长内，比传统方法能更精确地重构精细尺度的风速和能量结构。对您而言，虽然本文偏向应用，但其结合 ESN 与 SPDE 的高维数值重建框架对高维时空数据的降维与计算算法设计（统计计算）有一定参考价值。
关键技术: Echo State Network, stochastic partial differential equation, energy distance, spatio-temporal dimension reduction, non-stationary spatial reconstruction
为什么对您有用: 本文核心为时空数据应用，与您的主攻方向（因果推断、高维RMT、半参数效率）重叠较小，但其结合 ESN 与 SPDE 的高维数值重建算法对您在统计计算方向的兴趣有微弱参考价值。

经济理论 / 应用 (econ_theory, 3 篇)¶

1. 10.1093/jrsssc/qlaf051 — Systemic risks in the shadow: an extreme value analysis of hedge funds¶

作者: J Hambuckers, P Hübner
期刊/来源: Journal of the Royal Statistical Society Series C
分类: vol 75 · issue 2 · pp 448-476
相关性 3/10 · novelty: application
摘要: 在对冲基金报告历史较短导致尾部数据稀缺的设定下，本文研究了对冲基金极端损失对银行体系敏感性的系统性风险度量问题。作者基于极值回归方法提出估计策略，通过半参数极值理论捕捉尾部依赖，克服了数据稀疏挑战。该方法允许在基金层面估计时变的系统性风险贡献，并识别其决定因素的边际效应。实证结果表明，基金规模、杠杆、高不确定性与低流动性均显著推高系统性风险，且2008年后该风险水平明显上升。本文属于应用统计研究，方法学理论创新有限，但对您研究经济理论中的金融数据集与极值/半参数模型应用有参考价值。
关键技术: extreme value regression, tail dependence, time-varying risk estimation, semi-parametric modeling
为什么对您有用: 契合您在 secondary interest 中的经济理论（应用、数据集、模型）方向，展示了极值回归在金融系统性风险这一具体经济模型中的应用，可作数据集与半参数应用案例参考。

2. 10.1093/jrsssc/qlaf048 — Density-based machine learning model averaging for inflation forecasting¶

作者: Alessandro Spelta
期刊/来源: Journal of the Royal Statistical Society Series C
分类: vol 75 · issue 2 · pp 364-406
相关性 2/10 · novelty: new_method
摘要: 本文在宏观经济预测设定下，提出基于密度的机器学习模型平均方法，目标是融合多个预测分布以提升通胀预测的准确性与可解释性。核心机制利用 Wasserstein 重心与最优传输度量对各模型预测分布进行加权平均，从而保留分布的几何特征（如多峰性）。基于该平均分布可提取点预测与置信区间，避免了传统线性组合对分布特征的破坏。模拟研究证明该方法在捕捉复杂分布特征（尤其是空间分离分布）上优于传统方法。实证分析基于 FRED-MD 数据库，表明该方法在通胀预测中显著提升了密度预测的精度与不确定性量化能力。对您而言，该文将最优传输算法应用于经济预测，在统计计算（数值算法）与经济理论（应用模型与数据集）的交叉点提供了可迁移的密度组合工具。
关键技术: Wasserstein barycenter, optimal transport metrics, density-based model averaging, machine learning forecast combination, FRED-MD database
为什么对您有用: 涉及您 secondary interest 中的经济理论（通胀预测模型与 FRED-MD 数据集）以及 primary interest 中的统计计算（最优传输与 Wasserstein 重心的数值算法），可为您在经济数据集上应用密度组合方法提供算法与实证参考。

3. 10.1093/jrsssc/qlaf055 — Incorporating varying degrees of spatial cohesion in models of voter behaviour in the UK General Election 2024¶

作者: Kevin Horan, Katarina Domijan, Chris Brunsdon
期刊/来源: Journal of the Royal Statistical Society Series C
分类: vol 75 · issue 2 · pp 526-545
相关性 0/10 · novelty: minor
摘要: 在区域数据的空间建模设定下，传统 ICAR (Intrinsic Conditional Autoregressive) 模型假设全局空间方差参数，强制所有区域具有相同的空间平滑度。本文提出放松此假设，允许方差参数随区域变化，以反映不同区域间空间凝聚力的异质性。方法上，在高层级（如区域、郡）的层次效应结构中，结合底层变方差的 ICAR 组件进行联合建模。通过对 2024 年英国大选四大政党的投票数据，拟合一系列代表不同空间过程假设的模型并比较边际似然。实证结果表明，变空间凝聚力模型具有最高的边际似然，且揭示了不同政党在空间凝聚力上的异质模式。该方法学创新较为有限（仅放松了 ICAR 的方差齐性假设），主要贡献在于应用；若您对经济理论中的选举数据集或层级空间模型应用感兴趣，可作参考。
关键技术: Intrinsic Conditional Autoregressive (ICAR), varying spatial variance parameter, hierarchical spatial models, marginal likelihood comparison, spatial cohesion modeling
为什么对您有用: 属于经济理论（政治选举）领域的应用空间建模，提供了英国大选数据集和层级空间模型的应用案例，但方法学创新较弱，对您核心的因果推断或半参数效率理论帮助有限。

流行病学 (epidemiology, 2 篇)¶

1. 10.1093/jrsssc/qlaf054 — Bayesian spatio-temporal small area modelling: a case study investigating the late-stage melanoma incidence in Texas¶

作者: Jiahao Cao, Kehe Zhang, Guanyu Hu, Kelly Nelson, Cici Bauer
期刊/来源: Journal of the Royal Statistical Society Series C
分类: vol 75 · issue 2 · pp 506-525
相关性 2/10 · novelty: application
摘要: 在小区域估计设定下，针对德州县级晚期黑色素瘤发病率数据稀疏与时空非平稳性问题，提出贝叶斯异质时空逻辑回归模型（BHSTLR-NDE）。该模型整合县级协变量、个体级人口学非线性效应与降秩空间建模，通过贝叶斯分层结构在空间、时间与人口维度上借力。技术核心在于利用降秩空间方法处理高维空间相关性与非平稳性，并采用非线性效应捕捉人口学异质性。模拟与德州癌症注册数据表明，BHSTLR-NDE 在估计精度与鲁棒性上优于传统模型。对您而言，此文提供了流行病学癌症注册数据的应用案例，但方法学主要属于贝叶斯时空分层建模，理论新颖度有限。
关键技术: Bayesian hierarchical model, small area estimation, reduced-rank spatial modelling, spatio-temporal non-stationarity, nonlinear demographic effect
为什么对您有用: 属于流行病学（secondary interest）的癌症注册数据应用，提供了处理稀疏地理单元数据的贝叶斯时空建模思路，但缺乏您关注的因果推断或半参数效率理论。

2. 10.1093/jrsssc/qlaf049 — Dependence modelling across major causes of death via time-varying copula state space models¶

作者: Ariane Hanebeck, Han Li, Claudia Czado
期刊/来源: Journal of the Royal Statistical Society Series C
分类: vol 75 · issue 2 · pp 407-430
相关性 2/10 · novelty: application
摘要: 本文在多死因时间序列设定下，利用时变 Copula 状态空间模型量化并可视化 COVID-19 前后主要死因间的联合动态与相依结构变化。核心方法将状态空间模型用于边缘分布的动态过滤，并结合时变 Copula 刻画跨死因的动态相依性，从而实现高维联合分布的灵活降维估计。基于 2015-2022 年美国周度死亡率数据，模型通过情景分析评估不同 COVID-19 死亡水平对总死亡预测区间的影响。实证结果表明，COVID-19 不仅抬升了多数死因的基线风险，还显著改变了死因间的相依结构（尤其是阿尔茨海默症与呼吸系统疾病），且高 COVID-19 死亡假设下总死亡预测区间显著变宽。对您而言，该文提供了流行病学多变量时间序列的相依建模思路与 COVID-19 死因数据集，但方法学理论深度有限。
关键技术: time-varying copula, state space models, scenario-based projection, multivariate mortality modeling, dynamic dependence structure
为什么对您有用: 属于流行病学应用与数据集（secondary interest），提供了 COVID-19 时期多死因相依结构变化的数据集与情景预测框架，但缺乏因果推断或半参数效率理论的新贡献。

其他 (other, 2 篇)¶

1. 10.1093/jrsssc/qlaf047 — The role of data and priors in estimating climate sensitivity¶

作者: Masako Ikefuji, Jan R Magnus, Andrey L Vasnev
期刊/来源: Journal of the Royal Statistical Society Series C
分类: vol 75 · issue 2 · pp 344-363
相关性 1/10 · novelty: application
摘要: 本文在贝叶斯框架下，研究如何利用可观测的数据和后验分布来反推不可观测的先验分布。核心机制基于贝叶斯定理的代数逆向推导，即通过已知的似然函数与后验分布解析重构先验的函数形式。作者将此方法应用于政府间气候变化专门委员会（IPCC）的平衡气候敏感性（ECS）评估数据，试图揭示 IPCC 科学家得出给定后验结论时隐含的先验信念。实证结果显示，IPCC 报告的后验推断对先验选择高度敏感，且隐含先验往往并非无信息先验。该工作属于贝叶斯应用统计，方法学理论创新有限，但对理解气候模型中的主观先验影响有实证意义；对您而言，若关注经济理论中的贝叶斯先验设定或气候统计的数据集，可作应用层面的参考。
关键技术: Bayesian prior reconstruction, posterior inference, prior elicitation, climate sensitivity estimation
为什么对您有用: 本文主要属于贝叶斯应用统计，与您关注的半参数效率、高维推断等核心方向重叠较少；仅在“经济理论中的先验设定”或“气候数据集”层面有微弱参考价值，方法学新颖性较低。

2. 10.1093/jrsssc/qlaf046 — Joint space-time modelling for upper daily maximum and minimum temperature record-breaking¶

作者: Jorge Castillo-Mateo, Zeus Gracia-Tabuenca, Jesús Asín, Ana C Cebrián, Alan E Gelfand
期刊/来源: Journal of the Royal Statistical Society Series C
分类: vol 75 · issue 2 · pp 320-343
相关性 0/10 · novelty: application
摘要: 本文在时空建模框架下，研究西班牙半岛60余年来日最高与最低温度破纪录事件的联合演变，将数据转化为逐年的二元破纪录指标。核心方法是对该双变量二元时间序列进行联合时空建模，以同时推断最大与最小温度破纪录过程间的相关性、跨天持续性以及空间插值。实证结果表明，两破纪录过程存在强相关性，但气候变化趋势在两者间及时空维度上均呈现显著分化。该研究主要贡献在于气候数据的时空联合建模与实证分析，方法学上未涉及半参数效率或高维推断等理论突破。对您而言，本文与因果推断、高维/效率理论等核心兴趣无直接关联，仅可作为时空相关二元数据的建模参考。
关键技术: bivariate binary time series, spatial-temporal modeling, record-breaking statistics, spatial interpolation
为什么对您有用: 本文属于气候统计的应用与时空建模，与您的primary interests（因果、高维、半参数效率等）及secondary interests（天文、经济、流行病）均无直接方法学重叠，仅作拓展阅读参考。

Maintained by 陈星宇 · Homepage · Source on GitHub