从稀疏不规则纵向数据恢复潜在轨迹
统计方法学
2018-09-19 v1
摘要
在本文中，我们考虑当纵向数据被稀疏且不规则地观测并受噪声污染时，恢复潜在轨迹的问题。此类数据通常通过基于条件估计的主分析（PACE）方法借助函数主成分分析进行分析。PACE方法有时可能在数值上不稳定，因为它涉及协方差矩阵求逆。我们提出一种稀疏正交逼近（SOAP）方法作为替代。它在最佳逼近框架下估计最优经验基函数，而非对协方差函数进行特征分解。SOAP方法避免了估计均值和协方差函数，而当所有受试者带有观测的汇总时间点不够稠密时，这一估计颇具挑战。SOAP方法避免了协方差矩阵求逆，因此计算更为稳定。它不要求函数主成分得分服从高斯分布。我们证明了SOAP对最优经验基函数的估计是渐近一致的。通过仿真研究并与PACE方法比较，考察了SOAP方法的有限样本表现。我们的方法通过从多中心艾滋病队列研究中的稀疏不规则数据恢复CD4百分比曲线得以验证。
引用
@article{arxiv.1809.06462,
title = {Recovering the Underlying Trajectory from Sparse and Irregular Longitudinal Data},
author = {Yunlong Nie and Yuping Yang and JIguo Cao},
journal= {arXiv preprint arXiv:1809.06462},
year = {2018}
}