含协变量的潜马尔可夫模型的三步估计法
统计方法学
2014-02-06 v1
摘要
我们提出了一种针对含协变量潜类别模型的三步估计法的改进版本，该方法可用于估计纵向数据的潜马尔可夫模型。我们提出的三步估计方法基于仅根据特定时间的响应对样本单元进行初步聚类。当在每个时间点观测到大量响应变量时，这种方法代表了一种有用的估计工具。在这种背景下，通常基于期望 - 最大化 (Expectation-Maximization) 算法的完全最大似然估计可能存在一些缺点，主要是由于模型似然存在许多局部极大值。此外，EM 算法收敛可能特别慢，并且在复杂的 LM 模型中可能变得不稳定。我们证明了当响应变量数量趋于无穷大时，所提出的三步估计量的一致性。我们还展示了旨在评估所提出的替代方法相对于完全似然法性能的模拟研究结果。最后，我们阐述了一个应用于意大利养老院老年人健康状况真实数据集的案例。
引用
@article{arxiv.1402.1033,
title = {Three-step estimation of latent Markov models with covariates},
author = {Francesco Bartolucci and Giorgio E. Montanari and Silvia Pandolfi},
journal= {arXiv preprint arXiv:1402.1033},
year = {2014}
}