基于 Logit 折棍先验的贝叶斯非参数向量自回归模型：在儿童肥胖中的应用
应用统计
2022-03-24 v1
摘要
已知成人超重与肥胖与代谢及心血管疾病风险相关。由于肥胖是一种日益影响儿童的流行病，理解此状况是否从早期持续至童年以及能否检测到不同的肥胖增长模式十分重要。我们的研究动机始于一项东南亚儿童肥胖纵向研究。我们主要关注在调整基线信息效应后对肥胖模式进行聚类。具体而言，我们考虑对自出生起每 6 个月采集的身高与体重模式建立联合模型。我们提出一种新模型，通过结合向量自回归抽样模型与依赖型 logit 折棍先验来实现聚类。模拟研究表明，相较于其他替代方法，该模型在捕捉模式方面具优越性。我们将模型应用于动机数据集，并讨论所检测聚类的主要特征。我们还从预测性能角度将替代模型与我们的模型进行比较。
引用
@article{arxiv.2203.12280,
title = {Bayesian Nonparametric Vector Autoregressive Models via a Logit Stick-breaking Prior: an Application to Child Obesity},
author = {Mario Beraha and Alessandra Guglielmi and Fernando A. Quintana and Maria de Iorio and Johan Gunnar Eriksson and Fabian Yap},
journal= {arXiv preprint arXiv:2203.12280},
year = {2022}
}