專案詳細資料
Description
多元長期追蹤數據為在生物醫學和公共衛生科學中隨著時間的推移,在不同的時間點對相同的觀察對象進行數據的採集。在對多元長期追蹤數據進行分析時,應考慮三種相關性:隨時間變化的個體內的相關性,不同時間不同個體之間的互相關性以及每個時間點個體之間的相關性。為說明其相關性,修正的Cholesky分解對相關性矩陣進行建模已被廣泛使用。雖然此方法可以解決相關矩陣的正定性,但是,它們可能導致相關矩陣的高維度性。因此,有些文獻通過正則化來減少相關矩陣中的參數數量並進行有效地估計。在該計畫中,我們提出了貝氏方法應用於多元長期追蹤數據資料的分析,重點是在自迴歸矩陣中選擇重要元素以探索資料中的相關性。針對所提出的模型,我們利用有效的吉布斯採樣算法並提供R套件MLModelSelection以進行模型估計。該方法應用於非酒精性脂肪肝疾病數據資料,並研究跨時間個體的相關性,以解釋隨時間變化在不同個體中肺功能和體重指數的變異性。
狀態 | 已完成 |
---|---|
有效的開始/結束日期 | 20-08-01 → 21-07-31 |