JRSS-C — Vol 72 Issue 5 · 2026-07-04¶

共 19 篇 · Journal of the Royal Statistical Society Series C
目录核对 ✅ 19 篇全部抓到（对照 OpenAlex 27 篇）

本期导览¶

自动生成：归纳本期主要主题与脉络，不打分、不排名。

JRSS-C Vol 72 Issue 5 共 19 篇论文，整体围绕三条主线展开：因果推断与极值/时变处理、空间/时空点过程与极值建模、以及贝叶斯/非参数方法在流行病学与生物力学中的应用。此外，还有若干篇涉及高维特征筛选、分类评价、函数型数据分析、一致性统计量等独立方向。

因果推断与极值/时变处理是本期最突出的主线，包含两篇直接相关的论文。Estimating the causal effects of multiple intermittent treatments 针对 COVID-19 治疗中多个间歇性时变治疗的因果效应，提出联合边际结构生存模型与连续时间加权策略，避免离散化或对齐测量时间，适用于不规则间隔的纵向生存数据。Causal analysis at extreme quantiles 则将因果推断与极值理论结合，在潜在结果框架下利用逆概率加权或倾向得分匹配调整混杂，估计极端分位数上的处理效应，应用于伦敦交通流量数据。两篇论文共同展示了因果推断在复杂纵向数据与重尾分布下的方法拓展，前者侧重时变混杂与删失，后者侧重尾部行为。

空间/时空点过程与极值建模是另一条主线，包含三篇论文。Joint modelling of landslide counts and sizes 在贝叶斯分层框架下构建空间标记点过程，利用极值理论中的“亚渐近”标记分布刻画滑坡面积从低分位到高分位的分布，替代传统仅关注极值的渐近模型。Flexible marked spatio-temporal point processes 提出一类新的标记点过程族，将标记 Hawkes 过程的特征性质集中在标记空间上，允许对事件发生时间独立建模，应用于足球比赛事件序列。Reconstructing the Antarctic ice-sheet shape 则利用高斯过程仿真器建立从冰盖形状到冰芯同位素比率的映射，通过优先主成分降维与 MCMC 实现贝叶斯逆推断。这三篇论文共同展示了点过程与极值方法在空间/时空数据中的灵活应用，前者侧重极值分布建模，后者侧重标记过程解耦与逆问题推断。

贝叶斯/非参数方法在流行病学与生物力学中的应用构成第三条主线。Bayesian estimation of real-time epidemic growth rates 使用高斯过程拟合病例数据估计实时指数增长率，无需复杂流行病学结构假设，适用于低数据要求的快速监测。Inference on extended-spectrum beta-lactamase 针对社区获得性耐药菌传播，构建基于个体的随机流行病学模型，并开发高效的 SMC² 算法进行参数估计与模型比较。Confidence tubes for curves on SO(3) 利用高斯运动学公式构建旋转群上曲线的置信管，在小样本下识别跪姿对步态模式的影响。Robust functional ANOVA 提出基于函数 M 估计的稳健非参数方差分析方法，通过置换检验降低异常曲线影响，适用于增材制造等工业场景。这些论文展示了贝叶斯非参数方法（高斯过程、粒子 MCMC）与稳健统计在流行病学、生物力学与工业应用中的实际部署。

与因果推断方向最贴的论文是 Estimating the causal effects of multiple intermittent treatments 和 Causal analysis at extreme quantiles；与半参数/非参数方向最贴的是 Robust functional ANOVA 和 Flexible mixed model for age-dependent performance；与高维统计方向最贴的是 Automated calibration for stability selection。此外，A novel agreement statistic 中利用评分者不确定性数据构造一致性统计量的思路，可迁移至因果推断中的测量误差或代理变量问题。

因果推断 (causal_inference, 2 篇)¶

1. 10.1093/jrsssc/qlad076 · arXiv — Estimating the causal effects of multiple intermittent treatments with application to COVID-19¶

作者: Liangyuan Hu, Jiayi Ji, Himanshu Joshi, Erick R Scott, Fan Li
期刊/来源: Journal of the Royal Statistical Society Series C
分类: vol 72 · issue 5 · pp 1162-1186
相关性 8/10 · novelty: new_method
摘要: 本文针对多个间歇性时变治疗的因果效应估计问题，提出联合边际结构生存模型与新型加权策略。目标估计量是多个时变治疗（如COVID-19治疗）对患者生存结局的因果效应，在存在时变混杂和删失的纵向观察数据中。方法将复杂的治疗切换模式（多次开始/停止）视为不连续治疗资格区间上的复发事件，并推导连续时间权重以避免离散化或人为对齐测量时间。使用针对时变协变量的删失生存数据机器学习模型和基线强度的核函数估计器来高效估计连续时间权重。模拟显示，与需要对齐测量时间点的传统方法相比，所提方法在分析不规则间隔的纵向生存数据时具有更好的偏差减少和名义覆盖概率。应用于大规模COVID-19数据集，估计多种治疗对住院死亡率和ICU入院的复合结局的因果效应，并与随机试验结果比较。对您有用：该文处理间歇性时变治疗的识别与加权策略，直接关联您因果推断中纵向设定和敏感性分析的兴趣，且其连续时间权重估计方法可迁移至您熟悉的逆概率加权框架。
关键技术: marginal structural model, continuous-time inverse probability weighting, time-varying confounding, kernel baseline intensity estimator, machine learning for censored survival data
为什么对您有用: 本文直接关联您因果推断兴趣中的纵向设定和时变治疗效应估计，特别是间歇性治疗模式下的识别与加权策略。您非常熟悉的逆概率加权和边际结构模型工具可直接用于理解其连续时间权重推导，中期可做：若想将更高阶影响函数（HOIF）引入该框架以提升效率，需先在 moderately_familiar 的 HOIF 理论上长肌肉。

2. 10.1093/jrsssc/qlad080 · arXiv — Causal analysis at extreme quantiles with application to London traffic flow data¶

作者: Prajamitra Bhuyan, Kaushik Jana, Emma J McCoy
期刊/来源: Journal of the Royal Statistical Society Series C
分类: vol 72 · issue 5 · pp 1452-1474
相关性 7/10 · novelty: new_method
摘要: 本文针对交通网络干预（如伦敦自行车高速公路）的因果效应估计，提出在极端分位数上识别和处理效应的方法。传统均值或中位数处理效应无法充分反映重尾分布下极端尾部的变化，而交通流量数据恰恰具有重尾特征。作者在潜在结果框架下，利用极值理论（extreme value theory）建模尾部行为，结合逆概率加权（IPW）或倾向得分匹配来调整非随机分配带来的混杂偏倚。估计量采用两阶段方法：先估计倾向得分，再在极端分位数上构造加权极值分位数回归。理论部分证明了估计量的渐近正态性，并给出了收敛速率。实证分析显示，伦敦自行车高速公路开通后极端交通流量显著增加。对您而言，本文是因果推断与极值统计的交叉应用，其识别策略和估计方法可迁移至流行病学中罕见事件或极端暴露效应的因果分析。
关键技术: extreme value theory, quantile treatment effect, inverse probability weighting, propensity score, heavy-tailed distribution
为什么对您有用: 本文连接您的因果推断兴趣（非随机干预下的处理效应估计）和流行病学应用（极端暴露或罕见事件的因果效应）。技术武器库中'非参数统计'和'因果推断中的估计理论'可直接用于理解其极值分位数估计量的渐近性质；'高阶U统计量'的树宽/张量收缩视角可用于分析其加权极值分位数估计的计算复杂度。中期可做：需先在'半参数理论'上加强，以推导该估计量的半参数效率界。

非参数 / 半参数 (nonparam_semipara, 1 篇)¶

1. 10.1093/jrsssc/qlad074 · arXiv — Robust functional ANOVA with application to additive manufacturing¶

作者: Fabio Centofanti, Bianca Maria Colosimo, Marco Luigi Grasso, Alessandra Menafoglio, Biagio Palumbo, Simone Vantini
期刊/来源: Journal of the Royal Statistical Society Series C
分类: vol 72 · issue 5 · pp 1210-1234
相关性 5/10 · novelty: new_method
摘要: 本文提出一种稳健的非参数函数方差分析方法（RoFANOVA），旨在降低异常曲线对函数型方差分析的影响。该方法通过基于函数M估计的检验统计量实现置换检验，从而在存在离群曲线时仍能保持对组间差异的检验功效。通过蒙特卡洛模拟与现有方法对比，RoFANOVA在多种污染模型下表现出更好的稳健性和控制第一类错误的能力。实际案例应用于增材制造过程中飞溅物喷射曲线的分析，展示了方法在工业场景中的实用性。该方法已实现为R包rofanova，便于应用。对您而言，该工作涉及非参数检验和稳健估计，与您对非参数统计和假设检验的兴趣直接相关，且其函数型数据框架可拓展至您关注的纵向因果推断中的敏感性分析。
关键技术: functional M-estimator, permutation test, robust functional ANOVA, R package rofanova
为什么对您有用: 本文属于非参数统计与假设检验方向，直接连接您的primary interest中的非参数统计和假设检验。您武器库中'非参数统计'和'M估计理论'可直接用于理解其检验统计量的渐近性质，并可考虑将稳健化思路迁移至您关注的纵向因果推断中的敏感性分析（如用稳健估计处理离群轨迹对逆概率权重的扰动）。该文为方法学论文，理论深度适中，属于'中期可做'：需先在moderately_familiar的'M估计理论'上巩固对函数型M估计的收敛性理解。

数理统计 / 假设检验 (hypothesis_testing, 1 篇)¶

1. 10.1093/jrsssc/qlad063 — A novel agreement statistic using data on uncertainty in ratings¶

作者: Jarcy Zee, Laura Mariani, Laura Barisoni, Parag Mahajan, Brenda Gillespie
期刊/来源: Journal of the Royal Statistical Society Series C
机构: Children's Hospital of Philadelphia · University of Pennsylvania · University of Michigan · Duke University · University of Delaware
分类: vol 72 · issue 5 · pp 1293-1309
相关性 3/10 · novelty: new_method
摘要: 本文提出一种新的评分者间一致性统计量，旨在解决传统kappa类统计量对“随机一致性”假设不合理的缺陷。研究背景是肾脏病理学家对肾活检描述符的评级，其中评分者不确定性数据被额外收集。新统计量利用这些不确定性数据来经验估计随机一致性的概率，而非依赖模型假设。作者推导了该统计量的标准误估计量，并通过模拟研究验证其在多数设定下对去除随机一致性后的真实一致性概率具有无偏性。方法核心在于将评分者不确定性纳入一致性度量框架，属于对经典Cohen's kappa的改进。对您而言，该工作展示了如何将额外数据（如不确定性）融入统计量构造，其思路可迁移至因果推断中的测量误差或代理变量问题，尤其是当您关注proximal causal inference中negative control变量的不确定性时。
关键技术: agreement statistic, chance-corrected agreement, rater uncertainty, standard error derivation, simulation-based evaluation
为什么对您有用: 本文直接关联您对hypothesis testing的兴趣，特别是统计量构造与偏差校正。其利用额外不确定性数据的方法，可视为一种弱假设下的identification策略，与proximal causal inference中利用negative control变量的思路有结构相似性。您可用very_familiar的nonparametric statistics工具分析该统计量的minimax性质，或用moderately_familiar的identification theory评估其假设的合理性。中期可做：若想将不确定性数据推广到因果推断的sensitivity analysis中，需先在moderately_familiar的semiparametric theory上加强，以处理更复杂的识别条件。

天体统计 (astrostats, 1 篇)¶

1. 10.1093/jrsssc/qlad078 — Reconstructing the Antarctic ice-sheet shape at the Last Glacial Maximum using ice-core data¶

作者: Fiona E Turner, Caitlin E Buck, Julie M Jones, Louise C Sime, Irene Malmierca Vallet, Richard D Wilkinson
期刊/来源: Journal of the Royal Statistical Society Series C
机构: King's College London · University of Sheffield · British Antarctic Survey · University of Nottingham
分类: vol 72 · issue 5 · pp 1493-1511
相关性 5/10 · novelty: application
摘要: 本文利用冰芯水同位素比率数据，结合气候模型 HadCM3 的模拟，重建末次盛冰期南极冰盖的形状。核心设定是：目标为冰盖形状（高维空间），观测为冰芯同位素比率，通过高斯过程仿真器（emulator）建立从冰盖形状到同位素比率的映射，从而将逆问题转化为贝叶斯推断。方法上，作者开发了一种优先主成分方法（preferential PCA），在降维时根据先验不确定性对不同区域赋予不同权重，生成反映先验不确定性的基函数，使计算可行。随后用 MCMC 从后验分布采样，得到与观测匹配的冰盖形状，并量化不确定性——这是以往分析所缺失的。对您而言，这是一篇优秀的 gateway reading：它清晰展示了地球科学中逆问题的统计建模流程（先验构建、仿真器、降维、MCMC），且数据结构和噪声模型（空间相关、观测误差）明确，值得花时间全文阅读。
关键技术: Gaussian process emulator, preferential principal component analysis, Markov chain Monte Carlo, Bayesian inverse problem, climate model HadCM3
为什么对您有用: 本文属于 astrostatistics 的 gateway reading，适合作为统计学家进入地球科学逆问题的入门读物。武器库中的非参数统计和逆问题经验足以理解其核心方法（GP emulator + 降维 + MCMC），但需要补充空间统计和气候模型仿真器的背景知识（moderately_familiar 级别）。值得花时间读全文，因为其建模框架（先验构建、仿真器、降维策略）可迁移到其他高维逆问题。

流行病学 (epidemiology, 3 篇)¶

1. 10.1093/jrsssc/qlad056 — Bayesian estimation of real-time epidemic growth rates using Gaussian processes: local dynamics of SARS-CoV-2 in England¶

作者: Laura M Guzmán-Rincón, Edward M Hill, Louise Dyson, Michael J Tildesley, Matt J Keeling
期刊/来源: Journal of the Royal Statistical Society Series C
机构: University of Warwick
分类: vol 72 · issue 5 · pp 1413-1434
相关性 5/10 · novelty: application
摘要: 本文针对实时流行病增长率的估计问题，提出了一种贝叶斯层次模型，使用高斯过程拟合病例数据以估计指数增长率 r（而非传统的时变再生数 R）。模型在仅有阳性检测病例数据时即可工作，并进一步通过纳入总检测数作为异质性检测努力的度量来改进估计。方法基于贝叶斯层次框架，利用高斯过程的灵活性刻画时空变化，无需复杂的流行病学结构假设。应用于英格兰 SARS-CoV-2 的高分辨率时空数据，展示了全国长期增长模式、区域增长差异及空间异质性。核心贡献在于提供了一种计算上可行、对数据要求较低的实时监测工具，适合政策制定中的快速评估。对您而言，这是一篇流行病学应用论文，展示了贝叶斯非参数方法（高斯过程）在真实疫情数据中的使用，可作为您进入流行病学数据分析的入门读物，但方法学新颖性有限。
关键技术: Bayesian hierarchical model, Gaussian process, exponential growth rate, spatio-temporal modeling, real-time epidemic monitoring
为什么对您有用: 本文属于流行病学应用方向，是您的 secondary interest。作为 gateway reading，它清晰展示了贝叶斯高斯过程在真实疫情数据（SARS-CoV-2 病例与检测数据）中的使用，数据结构和模型假设（层次模型、GP 先验）对统计学家友好，适合入门。但方法学贡献不大（主要是应用现有方法），且与您的 primary interests（因果推断、高维统计等）无直接技术连接。武器库中非参数统计和软件开发的技能可帮助理解模型实现，但无直接可攻的问题。值得花时间读全文作为流行病学领域的入门材料，但不必深挖方法细节。

2. 10.1093/jrsssc/qlad055 · arXiv — Inference on extended-spectrum beta-lactamase Escherichia coli and Klebsiella pneumoniae data through SMC2¶

作者: L Rimella, S Alderton, M Sammarro, B Rowlingson, D Cocker, N Feasey et al.
期刊/来源: Journal of the Royal Statistical Society Series C
分类: vol 72 · issue 5 · pp 1435-1451
相关性 4/10 · novelty: application
摘要: 本文针对社区获得性产超广谱β-内酰胺酶大肠杆菌和肺炎克雷伯菌的传播动态，提出一个新颖的随机流行病学模型。模型为基于个体的传染病模型，状态决定个体是否被细菌定植，传播率同时考虑个体位置、协变量、季节性和环境效应。模型状态仅部分可观测，数据来自家庭抽样个体的检测结果。由于模型状态空间巨大，拟合极具挑战；作者开发了高效的SMC²算法进行参数估计和模型比较，并利用底层流行病模型的尺度不变性实现计算加速。应用数据来自乌干达和马拉维的耐药性驱动因素项目，推断出有效再生数、患病率空间分布、家庭簇动态和季节性等关键流行病学量。本文对您作为流行病学应用方向读者的价值在于：展示了复杂个体模型与粒子MCMC方法在真实传染病数据上的完整推断流程，其SMC²算法设计和计算加速策略对您未来处理高维状态空间模型（如纵向因果推断中的潜在过程模型）有直接参考意义。
关键技术: SMC² (sequential Monte Carlo squared), individual-based epidemic model, particle MCMC, scale invariance property, effective reproduction number
为什么对您有用: (1) 本文属于流行病学应用方向，处理的是真实队列数据（乌干达和马拉维的耐药菌监测数据），与您的secondary interest中的流行病学数据集和因果推断应用直接相关。(2) 武器库中very_familiar的'软件开发和逆问题'可以用于复现或改进其SMC²算法的计算实现（例如用更高效的粒子滤波策略），而moderately_familiar的'M估计理论'可用于分析其参数估计的渐近性质。(3) 中期可做：若您想将类似个体模型与因果推断（如干预效果评估）结合，需先在moderately_familiar的'identification theory in causal inference'上加强，以处理模型中的未观测混杂。

3. 10.1093/jrsssc/qlad066 — Model-based detection and classification of premature contractions from photoplethysmography signals¶

作者: Marta Regis, Linda M Eerikäinen, Reinder Haakma, Edwin R van den Heuvel, Paulo Serra
期刊/来源: Journal of the Royal Statistical Society Series C
机构: Eindhoven University of Technology · Philips (Netherlands) · Vrije Universiteit Amsterdam
分类: vol 72 · issue 5 · pp 1235-1259
相关性 2/10 · novelty: application
摘要: 本文针对可穿戴设备光电容积描记信号中早搏（房性与室性）的检测与分类问题，提出了一种基于模型的方法。方法利用信号形态特征与偏离预期平稳性的偏差进行检测与分类，无需外部训练数据，具有患者特异性且对分割错误鲁棒。模型拟合与检测分类准确率在两个真实案例和一个模拟数据集上进行了评估，结果显示出良好的应用潜力。该方法本质上是统计建模在生物医学信号处理中的应用，其核心是特征提取与分类决策的统计框架。对于您而言，这是一篇流行病学应用方向的论文，展示了统计方法在可穿戴健康监测中的实际部署，可作为了解该领域数据结构和分析流程的入门读物。
关键技术: model-based signal processing, patient-specific classification, morphological feature extraction, stationarity deviation detection
为什么对您有用: 本文属于流行病学应用方向，可作为 gateway reading 了解可穿戴设备心律失常检测的数据结构与分析流程。武器库中的非参数统计与估计理论可用于评估其模型假设的稳健性，但核心方法并非您的主攻方向，属于中期可做范畴——需先熟悉生物医学信号处理的基本概念。

其他 (other, 11 篇)¶

1. 10.1093/jrsssc/qlad058 · arXiv — Automated calibration for stability selection in penalised regression and graphical models¶

作者: Barbara Bodinier, Sarah Filippi, Therese Haugdahl Nøst, Julien Chiquet, Marc Chadeau-Hyam
期刊/来源: Journal of the Royal Statistical Society Series C
机构: Imperial College London
分类: vol 72 · issue 5 · pp 1375-1393
相关性 6/10 · novelty: application
摘要: 本文提出一种自动校准稳定选择（stability selection）的方法，用于高维惩罚回归和图模型中的特征筛选。核心创新在于通过最大化一个内部稳定性分数（in-house stability score）来自动确定惩罚参数，并能够处理已知的块结构（如多组学数据）。该方法适用于LASSO惩罚回归和图形LASSO。模拟实验表明，该方法在特征选择性能上优于非稳定性选择方法和原始校准的稳定选择方法。在挪威女性与癌症研究的表观遗传和转录组数据上的应用，揭示了LRRN3基因在吸烟生物反应中的跨组学核心作用。方法已实现为R包sharp。该工作属于应用统计方法开发，对您的高维统计和因果推断兴趣方向关联较弱，但稳定选择的思想在变量筛选中有一定参考价值。
关键技术: stability selection, penalised regression, graphical LASSO, block structure, automated calibration
为什么对您有用: 本文属于高维统计中的变量选择方法，与您的高维统计兴趣有弱关联，但核心方法（稳定选择）并非您主要关注的理论方向。武器库中的高维渐近理论可用于理解其选择一致性，但本文更偏向应用而非理论创新。作为方法学应用论文，可作入门了解，但暂不构成直接可做的后续问题。

2. 10.1093/jrsssc/qlad079 — Phase-type distributions for product return data with two-layer censoring¶

作者: Yudong Wang, Zhi-Sheng Ye
期刊/来源: Journal of the Royal Statistical Society Series C
机构: National University of Singapore
分类: vol 72 · issue 5 · pp 1475-1492
相关性 4/10 · novelty: application
摘要: 本文针对产品退货数据（如保修索赔）中特有的双层右删失问题提出统计方法。第一层是保修期删失，对产品寿命施加固定上限；第二层是研究结束删失，作用于销售延迟与寿命之和。传统右删失非参数方法在此设定下失效。作者利用标准形式的无环相型分布（APHD）作为非参数筛估计量，因为APHD族在正支撑分布空间中是稠密的。利用APHD类在卷积下封闭的性质，设计了专用的期望最大化算法来计算最大似然估计。模拟研究将所提方法与逆概率删失加权法（仅在无保修删失时适用）进行了比较。两个来自生产-交付供应链的真实案例展示了该方法在制造商保修准备金管理中的应用。对您而言，本文属于应用统计方法论文，与您的主要兴趣方向（因果推断、高维统计等）无直接技术关联，但双层删失结构在流行病学纵向数据中也可能出现，可作为方法学参考。
关键技术: phase-type distributions, sieve M-estimation, EM algorithm, nonparametric sieve estimator, right censoring
为什么对您有用: 本文属于应用统计方法论文，与您的主要兴趣方向（因果推断、高维统计、U-统计量等）无直接技术关联。双层删失结构在流行病学纵向数据中也可能出现，可作为方法学参考。武器库中'非参数统计'和'M-估计理论'可用于理解其筛估计量的收敛性质，但核心问题（保修数据建模）不在您的研究路径上。暂不可做——缺乏对保修数据领域背景和APHD具体性质的深入理解。

3. 10.1093/jrsssc/qlad077 · arXiv — Joint modelling of landslide counts and sizes using spatial marked point processes with sub-asymptotic mark distributions¶

作者: Rishikesh Yadav, Raphaël Huser, Thomas Opitz, Luigi Lombardo
期刊/来源: Journal of the Royal Statistical Society Series C
分类: vol 72 · issue 5 · pp 1139-1161
相关性 4/10 · novelty: application
摘要: 本文针对土耳其某区域的滑坡灾害量化问题，在贝叶斯分层框架下构建了空间标记点过程模型，联合预测滑坡计数与滑坡面积（标记）。核心创新在于利用极值理论推导的“亚渐近”标记分布，灵活刻画从低分位到高分位的滑坡面积分布，替代传统仅关注极值的渐近模型。模型采用内在条件自回归先验刻画空间相关性，并设计自适应MCMC算法实现快速全贝叶斯推断。实证表明亚渐近分布能显著改进大滑坡面积的预测精度，最终用于风险区划与灾害制图。该工作属于应用统计与自然灾害的交叉，方法学贡献在于将极值理论中的亚渐近分布引入标记点过程，但整体框架为贝叶斯空间建模的常规套路。对您而言，本文属于流行病学/灾害流行病学的应用案例，但方法学新颖度有限，且与您的主要兴趣（因果推断、高维统计、U统计量）无直接技术连接。
关键技术: marked point process, sub-asymptotic distribution, extreme value theory, intrinsic conditional autoregressive prior, adaptive MCMC
为什么对您有用: 本文属于流行病学/灾害流行病学的应用案例，使用空间点过程与极值理论建模滑坡灾害，与您的secondary interest（流行病学应用）有主题关联。但方法学核心（贝叶斯分层空间模型、极值亚渐近分布）不在您的技术武器库中（very_familiar和moderately_familiar均未覆盖），且无因果推断或高维统计元素。作为gateway reading，本文对统计学家入门灾害流行病学有一定价值，但武器库支撑不足，暂不可做——缺空间点过程与极值理论的建模经验。

4. 10.1093/jrsssc/qlad085 · arXiv — Flexible marked spatio-temporal point processes with applications to event sequences from association football¶

作者: Santhosh Narayanan, Ioannis Kosmidis, Petros Dellaportas
期刊/来源: Journal of the Royal Statistical Society Series C
分类: vol 72 · issue 5 · pp 1095-1126
相关性 3/10 · novelty: application
摘要: 本文提出了一类新的标记点过程族，其核心思想是将标记Hawkes过程的特征性质仅集中在标记空间上，而允许对事件发生时间进行独立的模型设定。作者开发了一个贝叶斯推断与预测框架，该框架能自然地纳入协变量信息以驱动交叉激发效应，从而为实际应用提供了广泛的灵活性。该方法被应用于足球比赛中的事件序列数据，得到了关于比赛动态中先前未量化的特征的推断，提取了事件特定的球队能力，并对特定时间区间内的事件（如进球或犯规）进行了预测。从方法学角度看，该工作的新颖性在于模型结构的解耦设计，而非提出了全新的统计理论或推断方法。对于您而言，本文属于应用统计学的范畴，其模型构建思路（将标记过程与时间过程分离）在流行病学或经济学中的事件序列分析中可能有借鉴意义，但方法学上的直接关联度有限。
关键技术: marked Hawkes processes, Bayesian inference, spatio-temporal point processes, covariate-driven cross-excitation
为什么对您有用: 本文属于应用统计工作，与您的主要兴趣（因果推断、高维统计、U-统计量等）无直接方法学关联。其模型解耦思路在流行病学的事件序列分析中可能有间接参考价值，但核心机器（贝叶斯点过程推断）不在您的技术武器库中，且未涉及您熟悉的非参数或半参数理论。作为gateway阅读，本文对足球数据分析的统计建模有清晰展示，但作为统计方法学论文，其novelty程度较低，不值得投入全文阅读时间。

5. 10.1093/jrsssc/qlad075 · arXiv — Modelling calibration uncertainty in networks of environmental sensors¶

作者: Michael Thomas Smith, Magnus Ross, Joel Ssematimba, Mauricio A Álvarez, Engineer Bainomugisha, Richard Wilkinson
期刊/来源: Journal of the Royal Statistical Society Series C
分类: vol 72 · issue 5 · pp 1187-1209
相关性 3/10 · novelty: application
摘要: 本文针对低成本环境传感器网络中的校准不确定性建模问题。传感器网络常因精度差和漂移而需要定期与参考传感器共定位重新校准，但成本高且复杂。作者提出一种变分推断方法，利用低成本移动传感器传递校准信息，从而在无需频繁共定位的情况下推断整个网络的校准参数及其不确定性。方法在合成数据和真实空气污染数据上进行了验证，结果显示其性能优于当前最先进的多跳校准方法。该工作实现了不确定性量化的校准，这是低成本传感器部署的主要障碍之一。对您而言，本文属于统计计算与不确定性量化的应用，与您的主要兴趣方向（如统计计算、非参数方法）关联较弱，但可作为了解环境传感器网络校准问题的入门读物。
关键技术: variational inference, calibration transfer, low-cost sensor networks, uncertainty quantification
为什么对您有用: 本文属于统计计算在环境监测中的应用，与您的主要兴趣方向（因果推断、高维统计、U-统计量等）直接关联较弱。作为gateway-reading，本文对统计学家友好，清晰阐述了数据结构和模型假设，但核心方法（变分推断）不在您的技术武器库中，且问题本身不涉及您熟悉的统计推断框架。因此，本文暂不可做，但可作为了解环境传感器校准问题的入门材料。

6. 10.1093/jrsssc/qlad057 · arXiv — Hierarchical confusion matrix for classification performance evaluation¶

作者: Kevin Riehl, Michael Neunteufel, Martin Hemberg
期刊/来源: Journal of the Royal Statistical Society Series C
分类: vol 72 · issue 5 · pp 1394-1412
相关性 3/10 · novelty: new_method
摘要: 本文提出层次化混淆矩阵（hierarchical confusion matrix）的概念，将传统二分类中的混淆矩阵推广至层次分类问题。核心贡献在于定义了一种通用形式，可适用于有向无环图、多路径标注及非强制叶节点预测等各类层次分类结构。基于该矩阵，作者重新定义了精度、召回率、F1等评价指标，使其在层次标签下保持语义一致性。在三个真实层次分类数据集上，新指标与已有评价方法进行了对比，验证了其合理性与广泛适用性。该工作属于分类性能评价的方法论改进，不涉及因果推断、高维统计或半参理论等核心兴趣方向。
关键技术: hierarchical confusion matrix, hierarchical classification, performance evaluation metrics, directed acyclic graphs
为什么对您有用: 本文主题为分类评价指标，与您的主要兴趣（因果推断、高维统计、半参理论等）无直接关联。武器库中的非参数统计或高维渐近工具在此无直接应用口子。作为gateway-reading也不合适，因为问题本身不涉及统计计算权衡或天文/经济/流行病学应用。建议跳过。

7. 10.1093/jrsssc/qlad065 — A flexible mixed model for age-dependent performance: application to golf¶

作者: Rose D Baker, Ian G McHale
期刊/来源: Journal of the Royal Statistical Society Series C
机构: University of Salford · University of Liverpool
分类: vol 72 · issue 5 · pp 1260-1275
相关性 2/10 · novelty: application
摘要: 本文提出一种灵活的混合线性模型，用于刻画年龄与表现之间的非线性关系。模型在重心插值节点处引入随机效应，使得表现随年龄的演化无需预设函数形式，具有非参数灵活性。作者将该模型应用于高尔夫运动员的纵向表现数据，发现总体表现在30岁左右达到峰值后下降。进一步将表现分解为不同技术成分（如开球与推杆），发现依赖力量与速度的开球能力从20岁出头即持续衰退，而依赖手感与精细控制的推杆能力则能维持至近50岁。模型仅需存在可重复测量的表现指标，可推广至其他运动或年龄相关表现研究。本文是应用导向的实证研究，方法学创新有限，但对纵向数据中年龄效应的灵活建模思路有一定参考价值。
关键技术: mixed linear model, barycentric interpolation, random effects at nodes, longitudinal data analysis
为什么对您有用: 本文属于应用统计（运动科学）范畴，与您的主要兴趣（因果推断、高维统计等）无直接方法学连接。模型本身是经典的混合效应框架，未涉及您武器库中的非参数效率理论或U统计量工具。作为gateway阅读，本文对纵向数据中年龄效应的灵活建模有清晰展示，但方法学深度不足以支撑您在此方向上的技术迁移。暂不可做——核心机器（非参数/半参数效率理论、高维推断）在此问题中未体现。

8. 10.1093/jrsssc/qlad062 — Estimating the information content of genetic sequence data¶

作者: Steinar Thorvaldsen, Ola Hössjer
期刊/来源: Journal of the Royal Statistical Society Series C
机构: UiT The Arctic University of Norway · Stockholm University
分类: vol 72 · issue 5 · pp 1310-1338
相关性 2/10 · novelty: application
摘要: 本文针对遗传序列数据的信息含量缺乏数学框架的问题，提出了一套统计方法。核心目标是建模并分析蛋白质、蛋白质家族及其序列中的信息含量，将定性的遗传功能与定量的自信息概率度量相结合。方法上，作者受拒绝采样启发，利用Cath和Pfam数据库估计蛋白质家族的功能信息。文章讨论了如何理解遗传信息的定性方面，并实现了相应的统计模型。实证部分展示了该方法在真实数据库上的应用结果。总体而言，这是一篇应用导向的方法论文，但其统计框架与您的主要研究方向（因果推断、高维统计等）的直接关联较弱。
关键技术: rejection sampling, self-information, functional information, protein family databases
为什么对您有用: 本文属于生物信息学应用，与您的主要兴趣（因果推断、高维统计、半参理论）无直接技术交集。武器库中的非参统计或高维渐近工具在此处难以直接迁移。作为gateway reading，它并非为统计学家撰写的入门读物，且未清晰阐述数据结构和模型假设，因此暂不可做。

9. 10.1093/jrsssc/qlad064 — A Tweedie Markov process and its application in fisheries stock assessment¶

作者: Nan Zheng, Yongho Lim, Noel G Cadigan
期刊/来源: Journal of the Royal Statistical Society Series C
机构: Memorial University of Newfoundland
分类: vol 72 · issue 5 · pp 1276-1292
相关性 2/10 · novelty: application
摘要: 本文针对零膨胀非负连续数据，扩展了Tweedie分布以容纳更灵活的离散关系（如二次离散），并提出了具有AR(1)自相关结构的Tweedie马尔可夫过程（TMP）。该方法仅需Tweedie概率密度函数即可实现，计算简单且易于实施。通过模拟研究和渔业资源评估的真实数据分析验证了新方法的有效性。该工作主要贡献在于统计建模与计算实现，而非因果推断或高维理论。
关键技术: Tweedie distribution, Markov process, AR(1) autocorrelation, dispersion relationship, zero-inflated data
为什么对您有用: 本文属于应用统计建模，与您的主要兴趣（因果推断、高维统计等）无直接关联。作为渔业资源评估的应用案例，其零膨胀数据建模思路对流行病学或经济学中的类似数据可能有参考价值，但方法学新颖性有限，且未涉及您武器库中的核心工具。暂不可做：核心机器不在武器库里（缺乏对Tweedie分布或状态空间模型的深度熟悉）。

10. 10.1093/jrsssc/qlad061 — Estimating default probabilities for no- and low-default portfolios: parameter specification via floor constraints¶

作者: Oliver Blümke
期刊/来源: Journal of the Royal Statistical Society Series C
机构: BMW (Germany)
分类: vol 72 · issue 5 · pp 1339-1353
相关性 2/10 · novelty: application
摘要: 本文针对低违约或无违约组合（LDP/NDP）的信用评级违约概率估计问题，提出了一种基于地板约束（floor constraints）的先验分布尺度参数（标准差）确定方法。在贝叶斯框架下，当观测到零违约时，后验估计高度依赖于先验的均值与方差设定；作者利用序贯贝叶斯更新（sequential Bayesian updating）固定先验均值，并引入地板约束来校准先验标准差，使得估计结果满足监管或业务上的保守性要求。该方法同样适用于Pluto–Tasche方法中自由参数γ的确定。理论部分给出了地板约束与后验分位数之间的解析关系，并通过模拟和真实数据展示了该方法在不同违约率水平下的表现。本文属于应用统计方法在金融风控中的具体落地，方法学创新有限（主要是参数设定规则而非新估计量或新理论）。对您而言，该文与您的主要兴趣（因果推断、高维统计、U统计量等）无直接交集，但可作为金融信用风险领域的一个应用案例参考。
关键技术: Bayesian updating, floor constraints, Pluto–Tasche approach, prior specification, low-default portfolios
为什么对您有用: 本文属于金融信用风险的应用统计方法，与您的主要兴趣方向（因果推断、高维统计、U统计量等）无直接技术连接。您的武器库中非参数统计和M估计理论可用于分析其估计量的频率性质，但核心问题（先验参数设定）并非您当前关注的重点。暂不可做——缺乏与您研究方向的直接接口，且方法学新颖性有限，不值得投入时间精读。

11. 10.1093/jrsssc/qlad060 · arXiv — Confidence tubes for curves on SO(3) and identification of subject-specific gait change after kneeling¶

作者: Fabian J E Telschow, Michael R Pierrynowski, Stephan F Huckemann
期刊/来源: Journal of the Royal Statistical Society Series C
机构: University of California San Diego · McMaster University · Augusta University
分类: vol 72 · issue 5 · pp 1354-1374
相关性 1/10 · novelty: application
摘要: 本文研究 SO(3) 上曲线的置信管（confidence tube）构建方法，目标是在小样本下识别职业性跪姿对步态模式的影响。采用扰动模型（perturbation model）描述步态曲线在旋转群上的变化，利用高斯运动学公式（Gaussian kinematic formula）推导出具有精确覆盖率的置信管，且该置信管对步态相似性变换具有等变性。方法应用于8名志愿者跪姿任务前后的步态数据，通过调整行走速度和标记点重放等协变量，识别出步态周期中因跪姿而发生显著变化的相位。核心贡献在于为 SO(3) 上的曲线提供了小样本下有效的推断工具，并展示了其在生物力学中的应用。对您而言，本文属于应用统计方法在运动科学中的案例，与您的主要兴趣（因果推断、高维统计等）直接关联较弱，但可作为统计计算或非参数推断在特定流形上应用的参考。
关键技术: Gaussian kinematic formula, confidence tube, perturbation model on SO(3), small sample inference, gait analysis
为什么对您有用: 本文属于应用统计方法在生物力学中的案例，与您的主要兴趣（因果推断、高维统计、U-统计量等）直接关联较弱。武器库中的非参数统计和估计理论可帮助理解其置信管构建的覆盖性质，但核心问题（SO(3) 流形上的曲线推断）与您的技术栈交集有限。暂不可做：缺乏流形统计和 Riemannian 几何的专门工具。

Maintained by 陈星宇 · Homepage · Source on GitHub