面向移动健康研究密集纵向数据的连续时间动态因子模型

移动健康（mHealth）研究中收集的密集纵向数据（ILD）包含频繁测量的多个结局的丰富信息，有潜力捕捉短期与长期动态。受一项吸烟戒断 mHealth 研究的启发——其中参与者每天多次自我报告多种情绪的强度——我们描述了一种动态因子模型，将 ILD 概括为低维、可解释的潜过程。该模型由两个子模型组成：（i）测量子模型——一个因子模型——将多元纵向结局概括为低维潜变量；（ii）结构子模型——一个 Ornstein-Uhlenbeck（OU）随机过程——在连续时间中捕捉多元潜过程的时间动态。我们推导了结局边际分布的闭式似然，以及 OU 过程计算更简便的稀疏精度矩阵。我们提出了一种用于估计的块坐标下降算法。最后，我们将方法应用于 mHealth 数据，将 18 种不同情绪的动态概括为两个潜过程。这些行为科学家解释为积极与消极情感的心理构念，并且是理解戒烟者复吸烟草易感性关键所在。