异质时间序列的带惩罚子群分析
统计方法学
2024-09-06 v1
摘要
近年来，由于密集纵向数据可用性的增加，社会、行为和健康科学领域对动态过程的研究和分析兴趣激增。然而，如何最好地建模和解释表征此类过程的持续异质性仍是一个悬而未决的问题。multi-VAR框架是建立在向量自回归模型基础上的最新方法学进展，通过结构化惩罚来适应多主体时间序列中的异质动态。在最初的multi-VAR方案中，个体层面的转移矩阵被分解为共同动态和独特动态，从而允许存在可推广的特征和特定于个人的特征。当前项目扩展了这一框架，以额外允许识别和带惩罚估计特定于子群的动态；即跨个体子集共享的动态模式。所提出的子群扩展的性能在模拟研究和实证应用中均进行了评估，并将结果与多主体多元时间序列子群分析的替代方法进行了比较。
引用
@article{arxiv.2409.03085,
title = {Penalized Subgrouping of Heterogeneous Time Series},
author = {Christopher M. Crawford and Jonathan J. Park and Sy-Miin Chow and Anja F. Ernst and Vladas Pipiras and Zachary F. Fisher},
journal= {arXiv preprint arXiv:2409.03085},
year = {2024}
}