hmmTMB：R 语言中具灵活协变量效应的隐马尔可夫模型
统计方法学
2025-05-22 v3 统计计算
摘要
隐马尔可夫模型（HMMs）广泛应用于间接观测离散值感兴趣过程的研究。例如，其已用于从人与动物追踪数据建模行为、从医学数据建模疾病状态，以及从股价建模金融市场波动率。该模型有两组主要参数：驱动隐状态过程的转移概率，以及刻画观测变量状态依赖分布的观测参数。HMM 一个特别有用的扩展是在这些参数上引入协变量，以探究状态转移驱动因素或实现马尔可夫切换回归模型。我们提出新的 R 包 hmmTMB 用于 HMM 分析，在隐状态与观测参数中均具灵活协变量模型。特别地，非线性效应使用惩罚样条实现，包括多重单变量与多变量样条，并带自动平滑选择。该包允许多种随机效应设定（含随机截距与斜率），以捕捉组间异质性。hmmTMB 可应用于多元观测，并适配各类响应数据，包括连续（有界或无界）、离散与二值变量。参数约束可用于实现非标准依赖结构，如半马尔可夫、高阶马尔可夫与自回归模型。在此，我们总结相关统计方法，描述包的结构，并展示动物追踪数据分析示例以演示该包工作流。
引用
@article{arxiv.2211.14139,
title = {hmmTMB: hidden Markov models with flexible covariate effects in R},
author = {Théo Michelot},
journal= {arXiv preprint arXiv:2211.14139},
year = {2025}
}