异质人群的回归模型混合的顺序估计

临床研究中患者之间常常存在异质性，这给医学研究带来了挑战。普遍认为人群中存在各种亚型，并且它们彼此不同。识别亚型并因此量身定制疾病预防和治疗的方法被称为精准医学。混合模型是一种经典的统计模型，用于将异质人群聚类为同质亚人群。然而，对于具有多重成分的高度异质人群，由于EM算法对初始值的依赖，其参数估计和聚类结果可能会模糊。为了进行亚型分析，考虑了伴随变量的有限混合回归模型，并提出了一种新颖的统计方法，以顺序识别混合中占大比例的主要成分。与现有的典型统计推断相比，新方法不仅不需要预先指定模型拟合的成分数量，而且还提供了更可靠的参数估计和聚类结果。仿真研究证明了所提方法的优越性。对药物反应预测的实际数据分析展示了该方法在参数估计中的可靠性和识别重要子群体的能力。