一种用于估计平滑时变参数的平方根二阶扩展卡尔曼滤波方法
统计方法学
2020-07-21 v1 统计计算
摘要
收集密集纵向数据（ILD）的研究人员正越来越多地寻求对心理过程（如情绪动态）建模，这些过程以复杂而有意义的方方式随时间组织与适应。寻求刻画干预对个体行为影响的研究人员也是如此。为具有用处，统计模型必须能够将这些过程刻画为复杂的、与时间相关的现象，否则将只能恢复系统动态的一小部分。在本文中，我们引入一种用于估计平滑时变参数的平方根二阶扩展卡尔曼滤波方法。该方法能够处理动态因子模型，其中感兴趣过程底层变量间的关系以可能难以预先指定的方式变化。我们在蒙特卡洛模拟中检验了我们方法的性能，并表明所提出的算法在具有时变动态与处理效应的双变量动态因子模型情况下准确恢复了未观测状态。此外，我们阐示了我们的方法在刻画冥想干预对日常情绪体验的时变效应中的效用。
引用
@article{arxiv.2007.09672,
title = {A Square-Root Second-Order Extended Kalman Filtering Approach for Estimating Smoothly Time-Varying Parameters},
author = {Zachary F. Fisher and Sy-Miin Chow and Peter C. M. Molenaar and Barbara L. Fredrickson and Vladas Pipiras and Kathleen M. Gates},
journal= {arXiv preprint arXiv:2007.09672},
year = {2020}
}