Random Dot Product Graphs as Dynamical Systems: Limitations and Opportunities
该论文通过建立基于主纤维丛的几何框架，揭示了随机点积图中学习网络演化微分方程所面临的规范自由度、可实现性约束及轨迹恢复伪影等根本障碍，证明了动力学结构可解决规范模糊性，并阐明了谱隙如何同时控制几何曲率与统计推断难度。
📊 Category
stat.ME
222 篇论文
Robust Estimation of Location in Matrix Manifolds Using the Projected Frobenius Median
本文提出了一种基于投影弗罗贝尼乌斯中位数的鲁棒位置估计方法，该方法通过在欧氏空间计算中位数并投影到矩阵流形（如施蒂费尔流形、格拉斯曼流形及形状空间），实现了计算高效、具有唯一解、良好鲁棒性及变换等变性的统计推断，并验证了其在模拟数据与真实地震矩张量数据上的有效性。
Two Localization Strategies for Sequential MCMC Data Assimilation with Applications to Nonlinear Non-Gaussian Geophysical Models
本文提出了一种基于序贯马尔可夫链蒙特卡洛（SMCMC）技术的局部数据同化方案，通过两种利用观测空间稀疏性的新策略，在避免粒子滤波权重退化问题的同时，有效处理了高维非线性非高斯地理物理模型（包括 SWOT 和漂流浮标数据）中的重尾观测噪声，并展示了其优于局部集合变换卡尔曼滤波（LETKF）的性能。
On parameter estimation for the truncated skew-normal distribution
本文提出了一种名为 GRID-MOM 的网格化矩估计法，通过固定形状参数网格并联合矩估计与似然比较来求解截断偏正态分布的参数，有效克服了传统方法因截断引入的非线性导致的数值不稳定性，并在模拟与实证研究中展现了其稳定性与准确性。
A Hierarchical Bayesian Dynamic Game for Competitive Inventory and Pricing under Incomplete Information: Learning, Credible Risk, and Equilibrium
本文提出了一种结合贝叶斯学习与可信风险准则的层级贝叶斯动态博弈框架，用于解决竞争环境下信息不完全时的库存与定价决策问题，并通过仿真及生物数据实证验证了该模型在不确定性环境下的有效性与跨领域适用性。
Simultaneously accounting for winner's curse and sample structure in Mendelian randomization: bivariate rerandomized inverse variance weighted estimator
该论文提出了一种双变量重随机化逆方差加权（BRIVW）估计量，通过联合建模 SNP-暴露与 SNP-结局的关联分布并校正样本结构，有效解决了孟德尔随机化中同时存在的赢家诅咒和样本结构偏差问题，从而获得更准确且无偏的因果效应估计。
Clustering-Based Outcome Models for Clinical Studies: A Scoping Review
这篇综述系统概述了将患者协变量聚类与临床结局模型相结合的方法，区分了利用结局信息构建聚类的“知情”模型与仅基于协变量的“无偏”模型，并探讨了其在高维数据、风险分层及亚组治疗效应估计等临床场景中的应用。
Optimizing Complex Health Intervention Packages through the Learn-As-you-GO (LAGO) Design
本文介绍了“边学边做”（LAGO）研究设计，该设计通过在试验过程中分阶段动态优化复杂的多组分健康干预方案，旨在以最小成本实现预设的统计功效和效果目标，从而降低传统随机对照试验在复杂公共卫生干预中失败的风险，并通过 BetterBirth 研究及多项 HIV 与非传染性疾病试验案例论证了其应用价值。
Large Wave Direction Data Modeling Using Wrapped Spatial Gaussian Markov Random Fields
本文提出了一种利用稀疏精度结构的包裹高斯马尔可夫随机场（WGMRF）模型，以解决大规模空间方向数据（如海啸波浪方向）建模中传统包裹高斯过程方法计算效率低下的问题，并通过模拟与 2004 年印度洋海啸实例验证了其在预测性能和可扩展性上的优势。
Variable selection in linear mixed model meta-regression with suspected interaction effects -- How can tree-based methods help?
该研究通过真实数据与模拟实验表明，虽然在线性交互效应下传统线性方法表现更优，但在交互效应偏离线性或样本量增加时，基于稳定选择的随机效应树等树基方法能作为线性模型的有力补充，有效解决元回归中交互效应的变量选择问题。
Bayesian Additive Distribution Regression
本文提出了一种名为 DistBART 的贝叶斯非参数分布回归方法，该方法通过将回归函数建模为带有贝叶斯加法回归树（BART）先验的线性泛函，并结合随机特征近似技术，在实现可扩展计算效率的同时，有效处理了分布型预测变量并保留了不确定性量化能力。
Balancing Efficiency and Feasibility: A Sensitivity Analysis of the Augmentation Parameter in the Finite Selection Model
本文通过蒙特卡洛模拟研究，分析了有限选择模型中增强参数对估计器偏差、方差及均方误差的敏感性，揭示了适度增强可改善协变量平衡而过度增强会降低稳定性，从而为实验设计中的参数选择提供了实用指南。
Predictive Distributions and the Transition from Sparse to Dense Functional Data
该论文提出了一种基于高斯预测分布的方法，用于将稀疏纵向数据映射为功能性主成分得分，并证明了随着观测密度增加，预测分布会收敛至真实得分，从而解决了稀疏数据下点预测不一致的问题并推导了相应的收敛速率。
Testability of Instrumental Variables in Additive Nonlinear, Non-Constant Effects Models
本文针对观测数据中处理变量为连续且效应非恒定的加性非线性模型，提出了一种基于辅助变量的独立性检验（AIT）条件，在完备性假设下证明了该条件对无效工具变量的检测具有必要性和充分性，并通过合成及真实数据集验证了其有效性。
Parameter-Specific Bias Diagnostics in Random-Effects Panel Data Models
本文提出了一种利用单一随机效应模型生成参数特异性有限样本偏差估计及置换检验值的诊断方法，以补充传统的豪斯曼设定检验，并通过汽油需求和教师增值评估等实证案例展示了其在随机效应面板数据分析中的应用。
Multi-view biclustering via non-negative matrix tri-factorisation
该论文提出了一种名为 ResNMTF 的新型多视图双聚类方法，基于非负矩阵三分解技术，能够在无需预设簇数量的情况下识别重叠且非完备的双聚类，并扩展了轮廓系数为“双轮廓系数”以辅助超参数调优与可视化。
Robust Covariate Adjustment in Multi-Center Randomized Trials
该论文针对多中心随机试验中忽略中心聚类效应可能导致估计偏差和置信区间覆盖率下降的问题，提出了一种结合半参数高效估计与随机效应元分析思想的稳健协变量调整框架，通过纳入中心效应显著提升了反事实均值和平均处理效应的估计效率与推断准确性。
A practical identifiability criterion leveraging weak-form parameter estimation
本文提出了一种基于弱形式参数估计的实用可辨识性准则（e, q-可辨识性），该方法利用微分代数技术生成弱形式输入输出方程并结合 WENDy 算法，能够比传统输出误差法更快速、稳健地评估含未观测变量系统在不同噪声水平下的参数可辨识性。
Measuring capacities in multimodal maritime port systems with anchorage queues
本文提出了一种区分“运营容量”与“极限容量”的框架，通过排队论和微分方程模型对多模态港口系统（以休斯顿港为例）进行容量估算，揭示了不同资源在稳定运行与扰动恢复情境下的瓶颈差异，从而为港口规划与韧性分析提供方法支持。
Beyond the Oracle Property: Adaptive LASSO in Cointegrating Regressions with Local-to-Unity Regressors
本文推导了自适应 LASSO 估计量在包含局部至单位根回归量的协整回归中的新渐近性质，提出了无需估计局部至单位根或长期协方差参数即可实现一致覆盖的可行置信区间，并通过模拟与实证分析证明其能更准确地刻画有限样本不确定性，克服了传统“神谕性质”在实证应用中覆盖不足的问题。