面向纵向非交换双体数据的混合APIM-CFGM模型：多层模型估计方法比较
统计方法学
2025-09-03 v1
摘要
理解双体（如导师-学员或治疗师-患者配对）随时间变化的独特挑战尤其在样本量小且角色可区分的研究中凸显。本文引入一种灵活的混合纵向建模，将Actor-Partner Interdependence Model（APIM）和Common Fate Growth Model（CFGM）的特征整合到一起，以同时估计个体水平与共享双体水平效应。我们采用假设性的导师-学员示例（初学者与专家配对），该模型解决了三个关键问题：1）当角色进行虚拟编码与效应编码时，模型参数的解释方式；2）模型性能受样本量大小的影响；3）最大似然（ML）与贝叶斯估计方法之间的结果差异。我们对50对双体、5个时间点的模拟数据进行分析，采用30对和5对的子抽样。模型在多层建模框架下估计，使用R语言（lme4进行ML估计，brms进行贝叶斯推断）。结果表明，虚拟编码与效应编码反映出不同的解释：虚拟编码以参考组为基准表达效应，而效应编码将参数居中于所有角色的总体均值。虽然模型拟合程度不变，编码方式的选择影响如何解释组级效应及其相互作用。非常小的样本量（例如5对）导致估计不稳定，而贝叶斯可信区间在此类情况下更准确地反映不确定性。在较大样本量下，ML与贝叶斯估计趋于一致。该APIM-CFGM混合模型为分析具有可区分角色且样本量较小的纵向双体数据提供了实用工具。
引用
@article{arxiv.2509.00993,
title = {A Hybrid APIM-CFGM Model for Longitudinal Non-Exchangeable Dyads: Demonstrating and Comparing Estimation Approaches Using Multilevel Modeling},
author = {Liu Liu},
journal= {arXiv preprint arXiv:2509.00993},
year = {2025}
}