[论文解读] Multivariate varying coefficient model for functional responses

Hongtu Zhu, Runze Li+1 more|PubMed|Feb 18, 2013

Advanced Neuroimaging Techniques and Applications参考文献 61被引用 75

一句话总结

本文提出了一种用于函数型响应的多变量变系数模型（MVCM），实现了对多个具有协变量依赖回归系数的函数型结果的联合分析。该方法采用局部线性估计，并建立了系数函数、协方差结构、全局检验和同时置信带的渐近理论，应用于白质发育的神经影像数据。

ABSTRACT

Motivated by recent work studying massive imaging data in the neuroimaging literature, we propose multivariate varying coefficient models (MVCM) for modeling the relation between multiple functional responses and a set of covariates. We develop several statistical inference procedures for MVCM and systematically study their theoretical properties. We first establish the weak convergence of the local linear estimate of coefficient functions, as well as its asymptotic bias and variance, and then we derive asymptotic bias and mean integrated squared error of smoothed individual functions and their uniform convergence rate. We establish the uniform convergence rate of the estimated covariance function of the individual functions and its associated eigenvalue and eigenfunctions. We propose a global test for linear hypotheses of varying coefficient functions, and derive its asymptotic distribution under the null hypothesis. We also propose a simultaneous confidence band for each individual effect curve. We conduct Monte Carlo simulation to examine the finite-sample performance of the proposed procedures. We apply MVCM to investigate the development of white matter diffusivities along the genu tract of the corpus callosum in a clinical study of neurodevelopment.

研究动机与目标

• 开发一个用于建模随协变量变化的多个函数型响应的统计框架，解决单变量变系数模型在函数型数据分析中的局限性。
• 在神经影像研究中实现对多变量函数型响应的联合推断，例如各向异性分数和血流动力学反应函数。
• 建立理论性质，包括弱收敛性、偏差、方差以及估计系数函数和协方差函数的统一收敛速率。
• 提出针对变系数函数线性假设的全局检验统计量，并构建个体效应曲线的同时置信带。
• 将该模型应用于真实神经发育数据，特别是胼胝体膝部的分数各向异性与平均扩散率的发展。

提出的方法

• 采用局部线性估计对协变量上的函数型响应进行非参数回归，通过带宽选择实现系数函数的平滑。
• 推导局部线性估计量在弱收敛下的系数函数渐近分布，包括偏差和方差表达式。
• 建立平滑个体函数及其相关协方差算子、特征函数和特征值的统一收敛速率。
• 提出针对变系数函数线性假设的全局检验统计量，并在原假设下推导其渐近分布。
• 利用极值理论和统一收敛结果，构建个体系数曲线的同时置信带。
• 通过蒙特卡洛模拟验证有限样本性能，并将该模型应用于一项关于扩散张量成像（DTI）数据的临床神经发育研究。

实验结果

研究问题

• RQ1 如何联合建模具有协变量依赖系数的多变量函数型响应，以提升神经影像研究中的推断能力？
• RQ2 在多变量函数型响应设定下，变系数函数的局部线性估计量的渐近性质是什么？
• RQ3 如何一致估计函数型响应的协方差结构，其特征分量的收敛速率如何？
• RQ4 针对变系数函数线性假设的全局检验统计量的渐近分布是什么？
• RQ5 如何在多变量函数型响应模型中为个体系数曲线构建同时置信带？

主要发现

• 系数函数的局部线性估计量实现了弱收敛，并给出了明确的渐近偏差和方差表达式。
• 函数型响应协方差函数的估计具有统一收敛速率 $ O_p\bigl((Mh_{2j})^{-1} + (\frac{\text{log } n}{n})^{1/2} + h_j^4 + h_{1j}^{(2)4}\bigr) $，其中 $ h_j $ 为带宽。
• 协方差算子的估计特征函数和特征值以由带宽和样本量决定的速率实现统一收敛。
• 针对系数函数线性假设的全局检验统计量在原假设下渐近服从卡方分布。
• 基于渐近理论，个体系数曲线的同时置信带具有正确的覆盖概率。
• 该方法成功检测到临床神经发育研究中胼胝体膝部白质扩散率随年龄的变化。