分组整合动态因子模型及其在多被试脑连接中的应用
统计方法学
2024-07-29 v4 应用统计
摘要
本文引入一种基于动态因子模型的多被试时间序列数据组水平分析新框架,称为分组整合动态因子(GRIDY)模型。该框架通过结合组空间信息与个人时间动力学,识别并刻画两个预先确定组间的被试间相似性与差异性。此外,它通过为每个被试采用不同模型配置,能够识别被试内随时间的相似性与差异性。在方法上,该框架结合了一种新颖的基于主角的秩选择算法与非迭代整合分析框架。受同步成分分析启发,该方法还可重构具有灵活协方差结构的可辨识潜因子序列。GRIDY模型的性能通过多种情景下的模拟进行评估。并给出一个应用,比较自闭症谱系障碍组与对照组中收集的多被试静息态功能磁共振数据。
引用
@article{arxiv.2307.15330,
title = {Group integrative dynamic factor models with application to multiple subject brain connectivity},
author = {Younghoon Kim and Zachary F. Fisher and Vladas Pipiras},
journal= {arXiv preprint arXiv:2307.15330},
year = {2024}
}