面向多元纵向数据的分位数混合隐马尔可夫模型
统计方法学
2021-09-15 v1 应用统计
摘要
识别与幼儿期心理和行为障碍相关的因素对于精神病理学研究以及初级卫生保健实践的支持都至关重要。受千禧队列研究(Millennium Cohort Study)的启发,本文研究了英格兰儿童情绪和行为轨迹上一组综合协变量的影响。为此,我们开发了一种分位数混合隐马尔可夫模型(Quantile Mixed Hidden Markov Model),用于在多元纵向数据的线性回归设定中联合估计多个分位数。所提方法的新颖性基于多元非对称拉普拉斯分布(Multivariate Asymmetric Laplace distribution),该分布允许联合估计多元响应变量各单变量条件分布的分位数,并考虑结果之间可能的相关性。由重复测量引起的未观测异质性和序列依赖性的来源,分别通过引入个体特定的、时间恒定的随机系数以及随时间以马尔可夫结构演化的时变参数来建模。推断方法通过构建合适的期望最大化(Expectation-Maximization)算法实现,且对随机效应分布不作参数假设。
引用
@article{arxiv.2109.06751,
title = {Quantile Mixed Hidden Markov Models for multivariate longitudinal data},
author = {Luca Merlo and Lea Petrella and Nikos Tzavidis},
journal= {arXiv preprint arXiv:2109.06751},
year = {2021}
}