成对多元时间序列的贝叶斯时间对齐因子分析
统计方法学
2019-04-30 v1
摘要
许多现代数据集需要能够从随时间变化的矩阵集合中估计共享与个体特有变异性成分的推断方法。已有前景的方法被开发用于分析静态情形下的此类数据，但动态设定下可用的方法极少。为弥补这一缺口，我们考虑针对矩阵对的新型模型与推断方法，其中列对应于不同时间点的多元观测。为刻画共同与个体特征，我们提出一种称为时间对齐共同与个体因子分析（TACIFA）的贝叶斯动态因子建模框架，其通过未知扭曲函数将时间对齐中的不确定性纳入其中。我们为所提模型提供理论支撑，展示了可识别性与后验集中性。该结构可通过哈密顿蒙特卡洛（HMC）算法实现高效计算。我们在模拟中展示了优异性能，并通过应用于一个社会同步实验说明了该方法。
引用
@article{arxiv.1904.12103,
title = {Bayesian time-aligned factor analysis of paired multivariate time series},
author = {Arkaprava Roy and Jana Schaich-Borg and David B Dunson},
journal= {arXiv preprint arXiv:1904.12103},
year = {2019}
}