时变向量自回归模型估计教程
应用统计
2020-03-16 v5
摘要
个体受试者的时间序列已成为心理学研究中常见的数据类型。这些数据可用于估计受试者内动态模型，从而避免从受试者间数据做受试者内推断这一臭名昭著的问题，并自然地处理受试者间的异质性。此类数据的一个流行模型是向量自回归（VAR）模型，其中每个变量被预测为所有变量在前一时间点的线性函数。该模型的一个关键假设是其参数随时间恒定（或平稳）。然而，在心理学研究的许多领域中，时变参数是合理的，甚至是研究的主题。在本教程论文中，我们介绍了基于样条和带/不带正则化的核平滑估计时变VAR模型的方法。我们通过模拟评估了所有方法在应用研究中典型场景下的相对表现，并讨论了它们的优缺点。最后，我们提供了一个逐步教程，展示如何将所讨论的方法应用于一个公开可用的情绪相关测量时间序列。
引用
@article{arxiv.1711.05204,
title = {A Tutorial on Estimating Time-Varying Vector Autoregressive Models},
author = {Jonas M B Haslbeck and Laura F Bringmann and Lourens J Waldorp},
journal= {arXiv preprint arXiv:1711.05204},
year = {2020}
}