针对具有时间异质性的二元纵向数据的函数聚类方法
统计方法学
2023-04-11 v2
摘要
在二元纵向数据分析中，人们关注将响应变量与协变量之间的动态关系建模为时间的函数，同时研究时间依赖交互的相似模式。我们提出了一种新颖的广义变系数模型，该模型考虑了受试者内变异性，并同时聚类变系数函数，且不限制聚类数量，也不会使数据过拟合。在异质性二元数据序列的分析中，该模型提取了总体水平的固定效应、聚类水平的变化效应以及受试者水平的随机效应。各种模拟研究显示了所提方法在聚类数量未知时正确设定聚类特定变系数的有效性与实用性。我们将该方法应用于德国社会经济面板（GSOEP）研究中的异质性二元数据序列，识别出三个主要聚类，展示了社会经济预测变量作为年龄函数对工作状态的不同变化效应。
引用
@article{arxiv.2210.10273,
title = {Functional clustering methods for binary longitudinal data with temporal heterogeneity},
author = {Jinwon Sohn and Seonghyun Jeong and Young Min Cho and Taeyoung Park},
journal= {arXiv preprint arXiv:2210.10273},
year = {2023}
}