用于带滞后和反馈协变量的纵向数据的半分区广义矩量方法

我们提出了一种用于分析带有时间依赖协变量的纵向数据的半分区广义矩量方法（Semi-partitioned Generalized Method of Moments, GMM），该方法基于边际建模范式。该方法解决了聚合GMM模型和完全分区GMM模型的局限性。聚合方法通过假设效应恒定来掩盖时间动态，而完全分区方法虽然提供了时间特异性，但代价是模型复杂度和不稳定性增加——尤其在样本量适中或滞后结构较深的情况下。我们的 метод通过单独估计瞬时系数，并将滞后矩条件分组到结构化集合中，从而区分即时效应和滞后效应，同时保留滞后效应的灵活性。这导致一个既在统计上高效又具可解释性的模型，捕捉必需的时间变化，同时缓解了完全分区方法引起的方差膨胀和收敛挑战。该框架支持反馈机制，适用于连续型和二元型结果，并利用Broyden--Fletcher--Goldfarb--Shanno (BFGS)算法实现可靠优化。通过仿真实验，我们展示半分区GMM在分组滞后结构近似于底层滞后模式时，能够实现覆盖率和相对于完全分区模型的竞争性效率。对髋关节骨关节炎和青少年肥胖的临床数据应用表明，该方法能够恢复一致且可解释的效应，避免了细粒度分区方法带来的不稳定性。