순서가 있습니다. 포털 넷(연구방·지식센터·커뮤니티·아카데미)을 먼저 담고,
SSRA 는 맨 나중에 담아 주세요. SSRA 를 먼저 담으면 나머지가 그 안에 포함된 것으로
잡혀 따로 담기지 않습니다. 아이콘도 담을 차례대로 놓았습니다 — 왼쪽부터 차례로 누르시면 됩니다.
Parsimoniously Fitting Large Multivariate Random Effects in glmmTMB
Maeve McGillycuddy, David I. Warton, Gordana C. Popovic 외 · Journal of Statistical Software · 2025년 · 조회 14
왜 이 논문인가 — 선정 기준
HOT PAPER · 최근 가장 주목받는 논문 — 피인용·FWCI·동년 인용 백분위
2025-01 발표 · 피인용 602회 · 분야 내 인용 영향력 상위권 · 동년 인용 상위 1%
HOT PAPER 슬롯에 선정된 이유는 602회의 높은 피인용 수와 동년 논문 상위 1%라는 인용 영향력으로 높은 주목도를 보였기 때문이다.
논문 요약
대규모 차원(q)의 비구조적 공분산 행렬을 가진 다변량 랜덤 효과 추정이 어려운 문제를 다루었다. 저자는 차원 d<q인 잠재 변수를 선형 결합하는 감소‑차원 접근법을 제안하였다. 이를 glmmTMB 패키지에 구현해 기존 혼합 모델에서 이전에는 다루기 힘들던 고차원 랜덤 효과를 포함시킬 수 있게 되었다. 실제로 다변량 풍부도 데이터에 대한 일반화 잠재 변수 모델과 랜덤 슬로프 모델에 적용해 성능을 확인하였다.
후속 연구설계에 활용하기
후속 연구에서는 감소‑차원 랜덤 효과를 이용해 다변량 생태계 데이터나 다중 반응 변수의 구조를 효율적으로 모델링하고, 잠재 차원(d) 선택을 변수로 설정해 설계할 수 있다.
핵심어
다변량 랜덤 효과감소 차원glmmTMB혼합 모델
실존 확인
이 논문은 OpenAlex에서 후보로 수집한 뒤, Crossref에 등록된 DOI와 제목 일치를 확인해 노출합니다.
SSRA가 문헌연구에서 인용 논문의 실재 여부를 검증하는 원칙과 같습니다.