Growth curve mixture models with unknown covariance structures
Growth curve mixture models with unknown covariance structures
复制标题
具有未知协方差结构的增长曲线混合模型
DOI：
10.1016/j.jmva.2021.104904
复制
发表时间：
2021-11
影响因子：
1.6
通讯作者：
Jianxin Pan
中科院分区：
文献类型：
--
作者：
Yating Pan;Yu Fei;Mingming Ni;Tapio Nummi;Jianxin Pan
生长曲线模型在纵向数据分析中发挥着重要作用，但其使用受到分组设计矩阵已知这一关键假设的限制。在本文中，我们提出了一个高斯混合模型的框架内的增长曲线模型，处理的问题所造成的未知分组矩阵。这允许在指定模型时有更大程度的灵活性，并使响应矩阵不遵循单一多元正态分布。新的模型被认为是两个简约的协方差结构与非结构化的协方差。使用ECM算法研究了该模型的最大似然估计，该算法同时聚类生长曲线数据。提出了数据驱动的方法来寻找各种模型参数，以便为复杂的生长曲线数据创建合适的模型。仿真实验结果表明，该方法在模型拟合和生长曲线数据聚类方面均取得了较好的效果，并对真实的数据进行了聚类分析.
Though playing an important role in longitudinal data analysis, the uses of growth curve models are constrained by the crucial assumption that the grouping design matrix is known. In this paper we propose a Gaussian mixture model within the framework of growth curve models which handles the problem caused by the unknown grouping matrix. This allows for a greater degree of flexibility in specifying the model and freeing the response matrix from following a single multivariate normal distribution. The new model is considered under two parsimonious covariance structures together with the unstructured covariance. The maximum likelihood estimation of the proposed model is studied using the ECM algorithm, which clusters growth curve data simultaneously. Data-driving methods are proposed to find various model parameters so as to create an appropriate model for complex growth curve data. Simulation studies are conducted to assess the performance of the proposed methods and real data analysis on gene expression clustering is made, showing that the proposed procedure works well in both, model fitting and growth curve data clustering.
登录
查看更多内容
DOI：
10.1007/978-0-387-75692-9_9
发表时间：
2008
期刊：
--
影响因子：
--
作者：
D. Hinkley
通讯作者：
D. Hinkley
DOI：
10.1002/9781118709153.ch4
发表时间：
2014-03
期刊：
--
影响因子：
--
作者：
D. Raghavarao;L. Padgett
通讯作者：
D. Raghavarao;L. Padgett
DOI：
10.1080/01621459.1991.10475130
发表时间：
1991-12
影响因子：
3.7
作者：
X. Meng;D. Rubin
通讯作者：
X. Meng;D. Rubin
DOI：
10.1016/j.jmva.2018.02.008
发表时间：
2018-07
期刊：
J. Multivar. Anal.
影响因子：
--
作者：
Sayantee Jana;N. Balakrishnan;J. Hamid
通讯作者：
Sayantee Jana;N. Balakrishnan;J. Hamid
影响因子：
0.5
作者：
T. von Rosen;D. von Rosen
通讯作者：
T. von Rosen;D. von Rosen