识别随机变量间的非线性关系：一种网络分析方法
统计方法学
2025-09-16 v2
摘要
非线性关系，例如精神分裂症患者童年创伤与韧性之间的曲线关系，以及青少年心理化能力与内化和外化症状及生活质量之间的调节关系，比我们现有方法所能检测到的更为普遍。尽管网络模型的使用有所增加，但标准高斯图模型的网络构建完全依赖于线性关系。虽然非线性模型是心理学方法论中的一个活跃研究领域，但许多模型要求分析者指定关系的函数形式。在进行更具探索性的建模时（例如使用横截面网络心理测量学），鉴于可能建模的关系数量，指定非线性关系可能采取的函数形式变得不可行。在此，我们应用一种新颖的非参数方法，利用偏距离相关性来识别非线性关系。我们发现，与皮尔逊偏相关、斯皮尔曼偏相关和条件互信息相比，偏距离相关性在识别非线性关系方面整体表现出色，且不受函数形式的影响。通过模拟研究和实证示例，我们展示了偏距离相关性作为一种新方法，可用于识别心理测量网络中的潜在非线性关系，从而使研究人员能够使用更具验证性的模型进一步探索这些关系的形状。
引用
@article{arxiv.2411.02763,
title = {Identifying nonlinear relations among random variables: A network analytic approach},
author = {Lindley R. Slipetz and Jiaxing Qiu and Siqi Sun and Teague R. Henry},
journal= {arXiv preprint arXiv:2411.02763},
year = {2025}
}