Regularisierte Tensor-Quantilregression mit Anwendungen zur Analyse von Neuroimagedaten

ZUSAMMENFASSUNG Dieser Artikel schlägt ein regularisiertes lineares Quantilregressionsmodell mit einer skalaren Antwort und tensorwertigen Kovariaten vor. Unser Modell regularisiert die Parameter einer niederdimensionalen Tensor-Effekt-Zerlegung einzigartig durch die Tensor-Schätzung und nicht direkt durch die Parameter der Zerlegung. Wir etablieren die berechnungs- und statistischen Eigenschaften des vorgeschlagenen Algorithmus und der Schätzer, die beide getrennte Behandlung erfordern aufgrund der Quantilverlustfunktion. Simulationsstudien zeigen die Überlegenheit unseres Modells im Vergleich zu bestehenden Tensor-Rahmen, wenn traditionelle Regressionsannahmen verletzt werden. Eine realweltliche Neuroimaging-Analyse hebt weiter die Interpretierbarkeitsvorteile unseres Ansatzes hervor.