基于广义加性潜变量混合模型的年龄依赖潜特质纵向建模
统计方法学
2023-03-29 v5 应用统计
摘要
我们提出广义加性潜变量混合模型（GALAMMs），用于分析具有平滑依赖于观测变量的响应和潜变量的聚类数据。提出了一种可扩展的最大似然估计算法，利用拉普拉斯近似、稀疏矩阵计算和自动微分。混合响应类型、异方差性和交叉随机效应被自然地纳入该框架。所开发的模型受认知神经科学应用的启发，并给出了两个案例研究。首先，我们展示 GALAMMs 如何联合建模情景记忆、工作记忆和速度/执行功能的复杂生命周期轨迹，它们分别由加州言语学习测验（CVLT）、数字广度测验和 Stroop 测验测量。接着，我们利用关于教育和收入的数据以及通过磁共振成像估计的海马体体积，研究社会经济地位对脑结构的影响。通过将半参数估计与潜变量建模相结合，GALAMMs 能够更真实地刻画脑与认知在生命周期中的变化，同时从测量条目中估计潜特质。模拟实验表明，即便在中等样本量下模型估计也是准确的。
引用
@article{arxiv.2105.02488,
title = {Longitudinal modeling of age-dependent latent traits with generalized additive latent and mixed models},
author = {Øystein Sørensen and Anders M. Fjell and Kristine B. Walhovd},
journal= {arXiv preprint arXiv:2105.02488},
year = {2023}
}