瑟伦森;安德斯·杰尔（Anders M.Fjell）。;克里斯汀·瓦尔科布多。 用广义加性潜在和混合模型对年龄相关潜在性状进行纵向建模。 （英语） Zbl 1517.62096号 心理测量学 88，编号2，456-486（2023）. 总结：我们提出了广义加性潜在和混合模型（GALAMM），用于分析响应和潜在变量平滑依赖于观测变量的聚类数据。利用拉普拉斯近似、稀疏矩阵计算和自动微分，提出了一种可扩展的最大似然估计算法。混合反应类型、异方差和交叉随机效应自然地被纳入了框架中。所开发的模型是受认知神经科学应用的推动，并给出了两个案例研究。首先，我们展示了GALAMM如何联合建模情节记忆、工作记忆和速度/执行功能的复杂寿命轨迹，这些轨迹分别由加州言语学习测试（CVLT）、数字广度测试和Stroop测试测量。接下来，我们研究了社会经济地位对大脑结构的影响，使用教育和收入数据以及通过磁共振成像估计的海马体积。通过将半参数估计与潜在变量建模相结合，GALAMM可以更真实地表示大脑和认知在整个生命周期中的变化，同时从测量项目中估计潜在特征。模拟实验表明，即使样本大小适中，模型估计也是准确的。 MSC公司： 第62页，共15页 统计学在心理学中的应用 62G08号 非参数回归和分位数回归 62J12型 广义线性模型（逻辑模型） 62-08 统计问题的计算方法 91E10型 认知心理学 关键词：大脑与认知;广义加性混合模型;潜在变量建模;寿命轨迹;混合响应 软件：艾根;RcppEigen基因;管理现金流量;R（右）;ggplot2;连续扫描电镜;lme4公司;DiffSharp（差异锐化）;LBFGS-B型;S-PLUS系统;C解析;GLLAMM公司;TMB公司;半标准杆;P混合;ggthemes主题;液晶毫米;ADMB公司;引导数据库;AD模型生成器;通用TMB;加迈尔;MEMSS公司;自动识别 PDF格式BibTeX公司 XML格式引用 \textit{Ø.Sörensen}等人，《心理测量学》88，第2期，456--486（2023；Zbl 1517.62096） 全文： 内政部 arXiv公司 OA许可证 参考文献： [1] Akaike，H.，统计模型识别的新视角，IEEE自动控制汇刊，19,6716-723（1974）·Zbl 0314.62039号 ·doi:10.1109/TAC.1974.1100705 [2] Alfaro Almagro，F。；麦卡锡，P。；阿夫尤尼，S。；安德森，JLR；Bastiani，M。；密勒，吉隆坡；尼科尔斯，TE；Smith，SM，英国生物银行脑成像中的混乱建模，NeuroImage，224117002（2021）·doi:10.1016/j.neuroimage.2020.117002 [3] 公共关系部埃姆斯泰；TA Davis；达夫，IS，《近似最小度排序算法》，SIAM矩阵分析与应用杂志，17，4，886-905（1996）·Zbl 0861.65021号 ·doi:10.1137/S0895479894278952 [4] 安德森，B。；Xin，T.，使用二阶拉普拉斯近似估计潜在回归项目反应理论模型，《教育与行为统计杂志》，46，2，244-265（2021）·doi:10.3102/1076998620945199 [5] 阿明格·G。；Muthén，BO，使用Gibbs采样器和Metropolis-Hastings算法对非线性潜在变量模型的Bayesian方法，《心理测量学》，63，3，271-300（1998）·Zbl 1291.62191号 ·doi:10.1007/BF02294856 [6] Arnold，J.B.（2021）。ggthemes：“ggplot2”的额外主题、比例和地理位置。 [7] Baltes，PB，《年龄和代际效应研究中的纵向和横截面序列》，《人类发展》，11，3，145-171（1968）·doi:10.1159/000270604 [8] Bates，D.（2022）。混合模型的计算方法。威斯康星大学麦迪逊分校统计系R包小品。 [9] 贝茨，D。；Eddelbuettel，D.，使用RcppEigen包的快速优雅数值线性代数，统计软件杂志，52，1-24（2013）·doi:10.18637/jss.v052.i05 [10] 贝茨，DM；Mächler，M。；Bolker，B。；Walker，S.，使用lme4拟合线性混合效应模型，统计软件杂志，67，1，1-48（2015）·doi:10.18637/jss.v067.i01 [11] Bauer，DJ，《用半参数方法建模潜在变量之间的非线性关系》，《结构方程建模：多学科期刊》，12，4，513-535（2005）·doi:10.1207/s15328007sem1204_1 [12] Baydin，AG公司；Pearlmutter，文学学士；Radul，AA；Siskind，JM，《机器学习中的自动差异化：一项调查》，机器学习研究杂志，18，153，1-43（2018）·Zbl 06982909号 [13] 伯利恒，R.A.I.，塞德利茨，J.，怀特，S.R.，沃格尔，J.W.，安德森，K.M.，亚当森，C.，阿德勒，S.，亚历克索普洛斯，G.S.，阿纳格诺斯托，E.，阿雷塞斯·冈萨雷斯，A.，阿斯特，D.E.，奥扬，B.，阿尤布，M.，Bae，J.、鲍尔，G.，巴伦·科恩，S.、Beare，R.，Bedford，S.A.，Benegal，V.，Alexander-Bloch，A.F.（2022）。人类寿命的脑图。《自然》，604（7906），525-533。 [14] 布莱克本，HL；Benton，AL，数字跨度测试的修订管理和评分，咨询心理学杂志，21，21339（1959）·doi:10.1037/0047235 [15] J.布斯。；GUH Seeber；弗朗西斯，BJ；哈辛格，R。；Steckel-Berger，G.，广义线性混合模型的Bootstrap方法及其在小面积估计中的应用，统计建模。统计学讲稿，43-51（1995），施普林格·Zbl 0925.62311号 [16] Brandmaier，AM；驾驶员，CC；沃克尔，MC；van Montfort，K。；乌德，JHL；Voelkle，MC，连续时间分析中的递归分区，行为科学和相关科学中的连续时间建模，259-282（2018），Springer·兹比尔1402.62008 ·doi:10.1007/978-3-319-77219-6_11 [17] Brandmaier，AM；JJ普林德尔；JJ McArdle；Lindenberger，U.，Theory-guided exploration with structural equation model forests，心理学方法，21566-582（2016）·doi:10.1037/met0000090 [18] 东南部布罗克韦尔；Gordon，IR，《荟萃分析统计方法的比较》，《医学统计学》，第20、6、825-840页（2001年）·doi:10.1002/sim.650 [19] 布鲁克斯，ME；Kristensen，K。；van Benthem，KJ；马格努森。；柏格，CW；尼尔森，A。；Skaug，HJ；Mächler，M。；Bolker，BM，glmmTMB平衡了零膨胀广义线性混合建模包之间的速度和灵活性，《R期刊》，9，2378-400（2017）·doi:10.32614/RJ-2017-066 [20] 伯德，RH；卢，P。；Nocedal，J。；Zhu，C.，用于约束优化的有限内存算法，SIAM科学计算杂志，16，511190-1208（1995）·Zbl 0836.65080号 ·doi:10.1137/0916069 [21] 卡农，S。；Monari，P.，《使用自适应正交近似法的有序数据的潜在变量模型》，计算统计，28，2，597-619（2013）·兹比尔1305.65028 ·doi:10.1007/s00180-012-0319-z [22] 彗星，E。；拉维努，A。；Lavielle，M.，《使用saemix的非线性混合效应模型中的参数估计，SAEM算法的R实现》，《统计软件杂志》，80，1，1-41（2017） [23] 科尔，BA；Ruppert，D。；Wand，MP，《将交互作用简单纳入加性模型》，《生物统计学》，57，2，539-545（2001）·Zbl 1209.62352号 ·文件编号：10.1111/j.0006-341X.2001.00539.x [24] Curran，PJ，多层模型一直以来都是结构方程模型吗？，多元行为研究，38，4，529-569（2003）·doi:10.1207/s15327906mbr3804_5 [25] Dahl，M.J.、Bachman，S.L.、Dutt，S.、Düzel，S.，Bodammer，N.C.、Lindenberger，U.、Kühn，S.和Werkle-Bergner，M.和Mather，M.（2022）。多巴胺能和去甲肾上腺素能脑区的完整性与晚年记忆表现的不同方面有关。 [26] 达尔，MJ；马瑟，M。；杜泽尔，S。；北卡罗来纳州博达姆；美国林登伯格。；Kühn，S。；Werkle-Bergner，M.，Rostral蓝斑完整性与老年人更好的记忆表现相关，《自然-人类行为》，3，11，1203-1214（2019）·doi:10.1038/s41562-019-0715-2 [27] 上午Dale；费希尔，B。；密歇根州塞雷诺，《基于皮层表面的分析：I.分割和表面重建》，《神经影像》，9，2，179-194（1999）·doi:10.1006/nimg.1998.0395 [28] DJ戴维森；扎克，RT；Williams，CC，Stroop interference，practice，and ageing，aging，Neuropsychology，and Cognition，10，2，85-98（2003年）·doi:10.1076/anec.10.85.14463 [29] Davis，TA，稀疏线性系统的直接方法。算法基础（2006），工业和应用数学学会·Zbl 1119.65021号 ·doi:10.1137/1.9780898718881 [30] Delis，D.C.、Kaplan，E.和Kramer，J.H.（2001年）。Delis-Kaplan执行功能系统。APA心理测试。 [31] Delis，DC；Kramer，JH；卡普兰，E。；Ober，BA，CVLT，加利福尼亚口头学习测试（1987），心理公司 [32] Delis，DC；Kramer，JH；卡普兰，E。；Ober，BA，CVLT，加利福尼亚口头学习测试（2000），心理公司 [33] Delyon，B。；拉维耶，M。；Moulines，E.，EM算法随机近似版本的收敛，《统计年鉴》，27，1，94-128（1999）·Zbl 0932.62094号 ·doi:10.1214/aos/1018031103 [34] Demidenko，E.，《混合模型：概率统计中R.Wiley级数的理论与应用》（2013），Wiley·Zbl 1276.62049号 [35] 驾驶员，CC；乌德，JHL；Voelkle，MC，《使用R包ctsem进行连续时间结构方程建模》，《统计软件杂志》，77，1-35（2017）·doi:10.18637/jss.v077.i05 [36] 驾驶员，CC；沃克尔，MC，层次贝叶斯连续时间动态建模，心理学方法，23，4，774-799（2018）·doi:10.1037/met0000168 [37] Dubois，B.、Hampel，H.、Feldman，H.，Scheltens，P.、Aisen，P.，Andrieu，S.，Bakardjian，H.和Benali，H.；Bertram，L.，Blennow，K.，Broich，K.、Cavedo，E.、Crutch，S.、Dartigues，J.-F.，Duyckaerts，C.，Epelbaum，S.；Frisoni，G.B.，Gauthier，S.和Genthon，R.，Gouw，A.，Habert，M.-O.，Holtzman，D.M.，Kivipelto，M.，Lista，S.以及Molinuevo J.-L。，O'Bryant，S.E.，Rabinovic，G.D.，Rowe，C.，Salloway，S.，Schneider，L.S.，Sperling，R.，Teichmann，M.，Carrillo，M.C.，Cummings，J.，Jack Jr，C.R.，国际工作组（IWG）和美国阿尔茨海默病协会关于“阿尔茨海默氏病临床前状态”的会议记录；7月23日，美国。W.D.（2016）。临床前阿尔茨海默病：定义、自然病史和诊断标准。阿尔茨海默氏病与痴呆，12（3），292-323。 [38] 达夫，IS；埃里斯曼，AM；Reid，JK，稀疏矩阵的直接方法。《数值数学与科学计算》（2017），牛津大学出版社·Zbl 1364.65067号 ·doi:10.1093/acprof:oso/9780198508380.001.0001 [39] 爱德华兹，JR；Bagozzi，RP，《关于结构和测量之间关系的性质和方向》，《心理学方法》，5，2，155-174（2000）·doi:10.1037/1082-989X.5.2.155 [40] 埃夫隆，B。；RJ Tibshirani，引导程序简介。《统计学与应用概率专著》第57期（1993年），Chapman&Hall·Zbl 0835.62038号 [41] 艾尔斯，PHC；Marx，BD，使用B样条和惩罚的灵活平滑，统计科学，11，2，89-121（1996）·Zbl 0955.62562号 ·doi:10.1214/ss/1038425655 [42] Faes，C。；阿尔茨，M。；Molenberghs，G。；Geys，H。；Teuns，G。；Bijnens，L.，不同性质纵向结果的高维联合模型，《医学统计学》，27，22，4408-4427（2008）·数字对象标识代码：10.1002/sim.3314 [43] Fahrmeir，L。；Raach，A.，混合反应的贝叶斯半参数潜变量模型，心理测量学，72，327（2007）·兹比尔1286.62104 ·doi:10.1007/s11336-007-9010-7 [44] 菲尤斯，S。；Verbeke，G.，多元纵向剖面联合建模混合模型的成对拟合，生物统计学，62，2，424-431（2006）·Zbl 1097.62058号 ·文件编号：10.1111/j.1541-0420.2006.00507.x [45] 精细，EM；Delis，DC；Kreutzer，JS；德卢卡，J。；Caplan，B.，Delis-Kaplan执行功能系统，临床神经心理学百科全书，796-801（2011），斯普林格·doi:10.1007/978-0-387-79948-3_1539 [46] 费希尔，B。；沙拉，DH；Busa，E。；阿尔伯特，M。；迪特里希，M。；哈塞尔格罗夫，C。；van der Kouwe，A。；Killiany，R。；肯尼迪，D。；克拉文内斯，S。；蒙蒂略，A。；马克里斯，N。；罗森，B。；Dale，AM，《全脑分割：人脑神经解剖结构的自动标记》，《神经元》，33，3，341-355（2002）·doi:10.1016/S0896-6273（02）00569-X [47] 弗杰尔，AM；伊德兰，A-V；萨拉·隆奇，R。；沃特恩，LO；博尔扎，T。；Brkhus，A。；Lona，T。；Zetterberg，H。；布莱诺，K。；怀勒，TB；Walhovd，KB，神经炎症和tau与淀粉样蛋白相互作用，独立于萎缩预测衰老中的睡眠问题，大脑皮层，28，827775-2785（2018）·doi:10.1093/cercor/bhx157 [48] 福尼尔，DA；Skaug，HJ；安切塔，J。；伊内利，J。；马格努森。；蒙德，明尼苏达州；尼尔森，A。；Sibert，J.，AD模型构建器：使用自动微分进行高度参数化复杂非线性模型的统计推断，优化方法和软件，27，2，233-249（2012）·Zbl 1242.90230号 ·doi:10.1080/10556788.2011.597854 [49] 弗雷利，C。；彭斯，PJ，方差和协方差分量的大尺度估计，SIAM科学计算杂志，16，1192-209（1995）·Zbl 0814.62038号 ·doi:10.1137/0916013 [50] 加耶夫斯基，PD；法尔肯斯坦，M。；Thönes，S。；Wascher，E.，Stroop任务在整个生命周期中的表现：老年人的高认知储备与增强的主动和反应性干扰控制相关，NeuroImage，207，116430（2020）·doi:10.1016/j.neuroimage.2019.116430 [51] 神经节，B。；Staudenmayer，J。；Wand，MP，《具有受测量误差影响的预测因子的加法模型》，《澳大利亚和新西兰统计杂志》，47，2，193-202（2005）·Zbl 1134.62344号 ·文件编号：10.1111/j.1467-842X.2005.00383.x [52] Golub，生长激素；希思，M。；Wahba，G.，《广义交叉验证作为选择良好岭参数的方法》，《技术计量学》，21，2，215-223（1979）·Zbl 0461.62059号 ·doi:10.1080/00401706.1979.10489751 [53] 格雷戈里，J。；Van Der Linden，M.，《年龄对前后数字跨度的影响》，《老龄化、神经心理学和认知》，4，2，140-149（1997）·doi:10.1080/13825589708256642 [54] 格雷文，S。；Kneib，T.，《关于线性混合模型中边际和条件AIC的行为》，Biometrika，97，4，773-789（2010）·Zbl 1204.62114号 ·doi:10.1093/biomet/asq042 [55] Guennebaud，G.、Jacob，B.等人（2010年）。特征v3。 [56] Hanson，JL；Chandra，A。；Wolfe，BL公司；Pollak，SD，收入与海马体之间的关系，《公共科学图书馆·综合》，6，5，e18712（2011）·doi:10.1371/journal.pone.0018712 [57] Härdle，W。；Bowman，AW，非参数回归中的Bootstrapping：局部自适应平滑和置信带，美国统计协会杂志，83，401，102-110（1988）·兹比尔0644.62047 [58] Härdle，W。；Huet，S。；Mammen，E。；Sperlich，S.，半参数广义可加模型中的Bootstrap推断，计量经济学理论，20，2，265-300（2004）·Zbl 1072.62034号 ·doi:10.1017/S0266466604202X [59] Härdle，W。；Marron，JS，非参数回归的Bootstrap同步误差条，《统计年鉴》，19,2778-796（1991）·Zbl 0725.62037号 ·doi:10.1214/aos/1176348120 [60] 哈斯蒂，T。；Tibshirani，R.，广义加性模型，统计科学，1，3，297-310（1986）·Zbl 0645.62068号 [61] 希尔伯特，S。；中川，TT；Puci等人。；Zech，A。；Bühner，M.，《数字跨越向后任务：工作记忆评估中的言语和视觉认知策略》，《欧洲心理评估杂志》，31174-180（2015）·doi:10.1027/1015-5759/a000223 [62] Hintze，JL；Nelson，RD，《小提琴绘图：盒子密度轨迹协同效应》，《美国统计学家》，52，2，181-184（1998） [63] 凯悦，CS；MM欧文斯；克罗，ML；卡特，NT；Lynam博士；Miller，JD，《共变的困境：心理变量结构神经成像研究中共变使用的简要回顾和实证检验》，NeuroImage，205116225（2020）·doi:10.1016/j.neuroimage.2019.116225 [64] Iddi，S。；Molenberghs，G.，《纵向结果的联合边缘化多水平模型》，《应用统计杂志》，39，11，2413-2430（2012）·Zbl 1514.62238号 ·doi:10.1080/0226677633.2012.711302 [65] Ivanova，A。；Molenberghs，G。；Verbeke，G.，《不同类型反应联合建模的混合模型方法》，《生物制药统计杂志》，26，4，601-618（2016）·doi:10.1080/10543406.2015.1052487 [66] Jeon，M。；Rabe-Hesketh，S.，估计因子结构广义线性混合模型的剖面似然方法，《教育与行为统计杂志》，37，4，518-542（2012）·doi:10.3102/1076998611417628 [67] Joe，H.，离散响应混合模型的拉普拉斯近似精度，计算统计与数据分析，52，12，5066-5074（2008）·兹比尔1452.62537 ·doi:10.1016/j.csda.2008.05.002 [68] Kelava，A。；Brandt，H.，《一般非线性多级结构方程混合模型》，《心理学前沿》，5748（2014）·doi:10.3389/fpsyg.2014.00748 [69] Kelava，A。；Nagengast，B。；Brandt，H.，非正态分布潜在预测变量的非线性结构方程混合建模方法，结构方程建模：多学科期刊，21，3，468-481（2014）·doi:10.1080/10705511.2014.915379 [70] 基梅尔多夫，GS；Wahba，G.，《随机过程的贝叶斯估计与样条函数平滑之间的对应关系》，《数理统计年鉴》，41，2，495-502（1970）·Zbl 0193.45201号 ·doi:10.1214/aoms/1177697089 [71] Köhncke，Y。；杜泽尔，S。；MC桑德；美国林登伯格。；Kühn，S。；Brandmaier，AM，通过多模态成像评估海马和海马旁灰质结构完整性与老年人的情景记忆相关，大脑皮层，311464-1477（2020）·doi:10.1093/cercor/bhaa287 [72] Kristensen，K。；尼尔森，A。；柏格，CW；Skaug，H。；Bell，BM，TMB：自动微分和拉普拉斯近似，《统计软件杂志》，70，1-21（2016）·doi:10.18637/jss.v070.2005 [73] 库恩，E。；Lavielle，M.，非线性混合效应模型中的最大似然估计，计算统计与数据分析，49，4，1020-1038（2005）·Zbl 1429.62279号 ·doi:10.1016/j.csda.2004.07.002 [74] Leal，A.M.M.（2018年）。Autodiff，一个现代、快速且富有表现力的C++库，用于自动区分。 [75] 李，S-Y；Zhu，H-T，用连续和多模数据对非线性结构方程模型进行统计分析，英国数学与统计心理学杂志，53，2，209-232（2000）·doi:10.1348/000711000159303 [76] 林，X。；Zhang，D.，使用平滑样条进行广义加性混合模型推断，皇家统计学会杂志：B辑（统计方法），61，2，381-400（1999）·Zbl 0915.62062号 ·doi:10.1111/1467-9868.00183 [77] Livingston，G.、Sommerlad，A.、Orgeta，V.、Costafreda，S.G.、Huntley，J.、Ames，D.、Ballard，C.、Banerjee，S.、Burns，A.、Cohen Mansfield，J.、Cooper，C.、Fox，N.、Gitlin，L.N.、Howard，R.、Kales，H.C.、Larson，E.B.、Ritchie，K.、Rockwood，K.、Sampson，E.L.、Mukadam，N.（2017）。痴呆症的预防、干预和护理。《柳叶刀》，390（10113），2673-2734。 [78] Margossian，CC，《自动区分及其有效实施综述》，《WIRE数据挖掘和知识发现》，9，4，e1305（2019）·doi:10.1002/widm.1305 [79] 马拉，G。；Wood，SN，广义加性模型分量置信区间的覆盖特性，《斯堪的纳维亚统计杂志》，39，1，53-74（2012）·兹比尔1246.62058 ·doi:10.1111/j.1467-9469.2011.00760.x [80] JJ McArdle；Ferrer-Caja，E。；浜美，F。；伍德考克，RW，《一生中多种智力增长和下降的比较纵向结构分析》，发展心理学，38，1，115-142（2002）·doi:10.1037/0012-1649.38.115 [81] 梅塔，PD；Neale，MC，《人也是变量：多层结构方程建模》，《心理学方法》，10，3，259-284（2005）·doi:10.1037/1082-989X.10.3.259 [82] 梅塔，PD；West，SG，《将个人回归到个人成长曲线中》，《心理学方法》，5，1，23-43（2000）·doi:10.1037/1082-989X.5.1.23 [83] Meredith，W。；Tisak，J.，《潜在曲线分析》，《心理测量学》，55，1，107-122（1990）·doi:10.1007/BF02294746 [84] Meyers，S.，《高效现代C++》（2015），O'Reilly [85] Muthén，B.，具有二分、有序分类和连续潜在变量指标的一般结构方程模型，《心理测量学》，49，1，115-132（1984）·doi:10.1007/BF02294210 [86] Muthén，BO，Beyond SEM：一般潜在变量建模，Behaviormetrica，29，1，81-117（2002）·Zbl 1017.62125号 ·doi:10.2333/bhmk.29.81 [87] 尼尔森，L-G；斯特恩，O。；Rönnlund，M。；Nyberg，L.，《挑战认知衰退早发的概念》，《衰老的神经生物学》，30，4，521-524（2009）·doi:10.1016/j.neurobiolaging.2008.11.013 [88] Noble，K.G.、Houston，S.M.、Brito，N.H.、Bartsch，H.、Kan，E.、Kuperman，J.M.、Akshoomoff，N.、Amaral，D.G.、Bloss，C.S.、Libiger，O.、Schork，N.J.、Murray，S.S.、Casey，B.J.、Chang，L.、Ernst，T.M.、Frazier，J.A.、Gruen，J.R.、Kennedy，D.N.、Van Zijl，P.、Sowell，E.R.（2015）。儿童和青少年的家庭收入、父母教育和大脑结构。《自然神经科学》，18（5），773-778。 [89] 诺布尔，KG；休斯顿，SM；Kan，E。；Sowell，ER，《大脑发育中社会经济地位的神经相关性》，《发展科学》，第15、4、516-527页（2012年）·doi:10.1111/j.1467-7687.2012.01147.x [90] Nocedal，J。；Wright，SJ，数值优化。Springer运筹学系列（2006），Springer·Zbl 1104.65059号 [91] 诺维克，MR，《经典测试理论的公理和主要结果》，《数学心理学杂志》，3，1，1-18（1966）·Zbl 0138.16704号 ·doi:10.1016/0022-2496（66）90002-2 [92] Nyberg，L.、Magnussen，F.、Lundquist，A.、Baaré，W.、Bartrés-Faz，D.、Bertram，L.，Boraxbekk，C.J.、Brandmaier，A.M.、Drevon，C.A.、Ebmeier，K.、Ghileta，P.、Henson，R.N.、Junkue，C.、Kievit，R.、Klemeyer，M.、Knights，E.、Kühn，s.、Lindenberger，U.、Penninx、B.W.J.H.、Fjell，A.M.（2021）。教育程度不影响大脑老化。《美国国家科学院院刊》，118（18），e2101644118。 [93] Ogden，HE，广义线性混合模型推理的序列约简方法，《电子统计杂志》，9，1，135-152（2015）·Zbl 1307.62057号 ·doi:10.1214/15-EJS991 [94] 奥斯特罗斯基-索利斯，F。；Lozano，A.，《数字跨度：教育和文化的影响》，《国际心理学杂志》，41，5，333-341（2006）·网址：10.1080/00207590500345724 [95] 乌德，JHL；Jansen，RARG，利用SEM对面板数据进行连续时间-状态-空间建模，《心理测量学》，65，2，199-215（2000）·Zbl 1291.62240号 ·doi:10.1007/BF02294374 [96] Pawitan，Y.，《一切可能》（2001），牛津大学出版社·Zbl 1013.62001号 [97] 宾夕法尼亚州佩德森；DL米勒；辛普森，GL；Ross，N.，《生态学中的层次广义加性模型：mgcv简介》，PeerJ，7，e6876（2019）·doi:10.7717/peerj.6876 [98] Pedersen，T.L.（2020年）。拼凑：情节的编剧。 [99] 皮涅罗，J。；贝茨、DM、S和S-PLUS中的混合效应模型。统计与计算（2000），Springer·Zbl 0953.62065号 ·doi:10.1007/978-1-4419-0318-1 [100] 皮涅罗，JC；贝茨，DM，非线性混合效应模型中对数似然函数的近似，计算与图形统计杂志，4，1，12-35（1995） [101] 皮涅罗，JC；Chao，EC，多层广义线性混合模型的高效拉普拉斯和自适应高斯求积算法，计算与图形统计杂志，15，1，58-81（2006）·doi:10.1198/106186006X96962 [102] 普鲁斯特·利马，C。；阿米耶娃，H。；Jacqmin Gadda，H.，多元混合纵向数据分析：一种灵活的潜在过程方法，英国数学与统计心理学杂志，66，3470-487（2013）·兹比尔1406.91374 [103] 普鲁斯特·利马，C。；菲利普斯，V。；Liquet，B.，使用潜在类和潜在过程估计扩展混合模型：R包lcmm，统计软件杂志，78，1，1-56（2017） [104] R核心团队。(2022). R： 用于统计计算的语言和环境。R统计计算基金会。 [105] Rabe-Hesketh，S。；Skrondal，A。；Pickles，A.，使用自适应求积对广义线性混合模型的可靠估计，《统计杂志》，2，1，1-21（2002）·doi:10.1177/1536867X0200200101 [106] Rabe-Hesketh，S。；Skrondal，A。；Pickles，A.，广义多级结构方程建模，《心理测量学》，69，2，167-190（2004）·Zbl 1306.62484号 ·doi:10.1007/BF02295939文件 [107] Rabe-Hesketh，S。；Skrondal，A。；Pickles，A.，具有嵌套随机效应的有限和离散因变量模型的最大似然估计，《计量经济学杂志》，128，2，301-323（2005）·Zbl 1336.62079号 ·doi:10.1016/j.jeconom.2004.08.017 [108] Raudenbush，西南；杨，M-L；Yosef，M.，通过高阶多元拉普拉斯近似，具有嵌套随机效应的广义线性模型的最大似然，计算与图形统计杂志，9，1，141-157（2000） [109] Raz，N。；美国Lindenberger，《只有时间会告诉我们：跨部门研究无法解决年龄-大脑认知三角：Salthouse评论》（2011），《心理公报》，137,5790-795（2011）·doi:10.1037/a0024503 [110] 莱斯，PT；Ogden，RT，一类半参数线性模型的平滑参数选择，皇家统计学会杂志：B辑（统计方法），71，2，505-523（2009）·Zbl 1248.62057号 ·文件编号：10.1111/j.1467-9868.2008.00695.x [111] 路透社，M。；新泽西州施曼斯基；罗莎，HD；Fischl，B.，无偏纵向图像分析的Within受试者模板估计，NeuroImage，61，4，1402-1418（2012）·doi:10.1016/j.neuroimage.2012.02.084 [112] Rockwood，NJ，潜在协变量随机斜率多层结构方程模型的最大似然估计，《心理测量学》，85，2，275-300（2020）·兹比尔1458.62275 ·doi:10.1007/s11336-020-09702-9 [113] 新泽西州洛克伍德；Jeon，M.，使用R包PLmixed估计复杂的测量和增长模型，多变量行为研究，54，2288-306（2019）·doi:10.1080/00273171.2018.1516541 [114] Rönnlund，M。；Nyberg，L。；Bäckman，L。；Nilsson，L-G，陈述性记忆在成人寿命发展中的稳定性、增长和下降：基于人群的研究的横向和纵向数据，《心理学与老龄化》，20，1，3-18（2005）·doi:10.1037/0882-7974.20.1.3 [115] Ruppert，D。；魔杖，MP；卡罗尔，RJ，半参数回归（2003），剑桥大学出版社·Zbl 1038.62042号 ·doi:10.1017/CBO9780511755453 [116] Saefken，B。；Kneib，T。；范·韦弗伦（C-S）；Greven，S.，广义线性混合模型中条件Akaike信息估计的统一方法，《电子统计杂志》，8，1，201-225（2014）·Zbl 1282.62168号 ·doi:10.1214/14-EJS881 [117] Salthouse，T。；阿特金森，T。；Berish，D.，正常成年人中执行功能作为年龄相关认知下降的潜在中介，《实验心理学杂志：综述》，132,4566-594（2003）·文件编号：10.1037/0096-3445.132.4566 [118] Salthouse，TA，与年龄相关的认知能力下降是什么时候开始的？，衰老的神经生物学，30，4，507-514（2009）·doi:10.1016/j.neurobiolaging.2008.09.023 [119] Salthouse，TA，《年龄相关认知衰退的神经解剖学基础》，《心理学公报》，137,5753-784（2011）·doi:10.1037/a0023262 [120] 斯卡皮纳，F。；Tagini，S.，The stroop color and word test，心理学前沿，8557（2017）·doi:10.3389/fpsyg.2017.00557 [121] Schaie，KW，与年龄相关的认知衰退是什么时候开始的？Salthouse再次将“横截面谬误”具体化，《衰老的神经生物学》，30,4528-529（2009）·doi:10.1016/j.欧洲生物成像2008.12.012 [122] Silverman，BW，非参数回归曲线拟合的样条平滑方法的某些方面，英国皇家统计学会杂志：B辑（方法学），47，1，1-21（1985）·Zbl 0606.62038号 [123] 西斯科，SM；斯洛内纳，E。；奥肯，理学硕士；鲍尔斯，D。；Price，CC，帕金森病和Stroop颜色词测试：处理速度和干扰算法，临床神经心理学家，30，71104-117（2016）·doi:10.1080/13854046.2016年11月88989日 [124] Skaug，HJ，在非线性随机效应模型中促进最大似然估计的自动微分，计算与图形统计杂志，11，2，458-470（2002）·doi:10.1198/106186002760180617 [125] Skaug，HJ；Fournier，DA，非高斯层次模型中边际似然的自动逼近，计算统计与数据分析，51，2，699-709（2006）·Zbl 1157.65317号 ·doi:10.1016/j.csda.2006.03.005 [126] Skrondal，A。；Rabe-Hesketh，S.，广义潜在变量建模。跨学科统计系列（2004年），查普曼和霍尔·Zbl 1097.62001 ·doi:10.1201/9780203489437 [127] Skrondal，A。；Rabe-Hesketh，S.，《潜在变量建模：一项调查》，《斯堪的纳维亚统计杂志》，34,4712-745（2007）·Zbl 1164.62028号 ·文件编号：10.1111/j.1467-9469.2007.00573.x [128] 宋，X。；Lu，Z。；Feng，X.，具有潜在变量非参数交互效应的潜在变量模型，《医学统计学》，33，10，1723-1737（2014）·doi:10.1002/sim.6065 [129] 宋，X-Y；陈，F。；Lu，Z-H，用于分析非正态纵向数据的贝叶斯半参数动态二级结构方程模型，多元分析杂志，121，87-108（2013）·Zbl 1328.62346号 ·doi:10.1016/j.jmva.2013.06.001 [130] 宋，X-Y；Lu，Z-H，带贝叶斯P样条的半参数潜在变量模型，计算与图形统计杂志，19，3，590-608（2010）·doi:10.1198/jcgs.2010.09094 [131] 宋，X-Y；Lu，Z-H；蔡，J-H；Ip，EH-S，广义半参数结构方程模型的贝叶斯建模方法，《心理测量学》，78，4，624-647（2013）·Zbl 1288.62188号 ·doi:10.1007/s11336-013-9323-7 [132] 瑟伦森（Sørensen）。；瓦尔科布多，KB；Fjell，AM，《准确估计寿命脑轨迹、区分纵向和队列效应的食谱》，《神经影像》，226117596（2021）·doi:10.1016/j.neuroimage.2020.117596 [133] 斯皮尔曼，C.，“一般智力”，客观确定和测量，《美国心理学杂志》，第15、2、201-292页（1904年）·doi:10.2307/1412107 [134] Speed，T.，《BLUP是一件好事：随机效应的估计：评论》，《统计科学》，6，1，42-44（1991）·doi:10.1214/s/s1177011930 [135] 工作人员，RT；Murray，AD；Ahearn，TS；北穆斯塔法。；福克斯，HC；Whalley，LJ，《儿童社会经济地位和成人大脑大小：儿童社会经济状况影响成人海马大小》，《神经病学年鉴》，71，5，653-660（2012）·doi:10.1002/ana.22631 [136] 钢，KM；球，TN；Runk，R.，听莫扎特音乐并不能提高后向数字跨度的表现，知觉和运动技能，84，3，1179-1184（1997）·doi:10.246/pms.1997.84.3c.1179 [137] Stroop，JR，《连续言语反应中的干扰研究》，《实验心理学杂志》，第18、6、643-662页（1935年）·doi:10.1037/0054651 [138] Swaminathan，H。；罗杰斯，HJ，使用逻辑回归程序检测差异项目功能，《教育测量杂志》，27，4，361-370（1990）·doi:10.1111/j.1745-3984.1990.tb00754.x [139] Tiedemann，F.（2020年）。gghalfs：用你最喜欢的几何图形组成半幅图。 [140] Tucker-Drob，EM，《认知老化与痴呆：一种终身观点》，《发展心理学年度回顾》，2019年第1期，第177-196页·doi:10.1146/annurev-devpsych-121318-085204 [141] Tucker-Drob，EM；Brandmaier，AM；林登伯格（Lindenberger），美国，《成年期的耦合认知变化：一项荟萃分析》，《心理学公报》，第145、3、273-301页（2019年）·doi:10.1037/bul0000179 [142] Vaida，F。；Blanchard，S.，《混合效应模型的条件Akaike信息》，Biometrika，92，2，351-370（2005）·Zbl 1094.62077号 ·doi:10.1093/biomet/92.2.351 [143] Verbyla，AP；库利斯，BR；MG Kenward；SJ Welham，《使用平滑样条分析设计实验和纵向数据》，《皇家统计学会杂志：C辑（应用统计学）》，48，3，269-311（1999）·Zbl 0956.62062号 [144] Walhovd，K.B.，Fjell，A.M.，Wang，Y.，Amlien，I.K.，Mowinckel，A.M..，Lindenberger，U.，Düzel，S.，BarteréS-Faz，D.，Ebmeier，K.P.，Drevon，C.A.，Baaré，W.F.C.，Ghiletta，P.，Johansen，L.B.，Kievit，R.A.，Henson，R.N.，Madsen，K.S.，Nyberg，L.，Harris，R.J.，Solé-PadulleéS，C.，Pudas，S。，Westerhausen，R.、Zsoldos，E.、Nawijn，L.、Lyngstad，T.H.、Suri，S.、Penninx，B.、Rogeberg，O.J.和Brandmaier，A.M.（2021）。教育和收入与欧洲和美国人群的寿命、大脑和认知差异存在异质关系。大脑皮层，32（4），839-854。 [145] Walhovd，K.B.、Krogsrud，S.K.、Amlien，I.K.、Bartsch，H.、Björnernud，A.、Due-Tönnessen，P.、Grydeland，H.，Hagler，D.J.、Háberg，A.K.、Kremen，W.S、Ferschmann，L.、Nyberg，L.，Panizzon，M.S.、Rohani，D.A.、Skranes，J.、Storsve，A.B.、Sölsnes，A.E.、Tamnes，C.K.、Thompson，W.K.、Fjell，A.M.（2016）。寿命变化的神经发育起源于大脑和认知。美国国家科学院院刊，113（33），9357-9362。 [146] West，R.，《前额叶皮层功能理论在认知老化中的应用》，《心理学公报》，120，2，272-292（1996）·doi:10.1037/0033-2909.120.2272 [147] Wickham，H.，ggplot2：数据分析的优雅图形（2016），施普林格·Zbl 1397.62006年 ·doi:10.1007/978-3-319-24277-4 [148] Wickham，H.、Hester，J.、Chang，W.、Müller，K.和Cook，D.（2021年）。备忘录：功能的“备忘录”。 [149] Wood，SN，薄板回归样条，皇家统计学会杂志。B系列（统计方法），65，1，95-114（2003）·Zbl 1063.62059号 ·数字对象标识代码：10.1111/1467-9868.00374 [150] Wood，SN，广义加性模型的稳定有效多重平滑参数估计，美国统计协会杂志，99，467，673-686（2004）·Zbl 1117.62445号 ·doi:10.1198/016214500000980 [151] Wood，SN，广义加性混合模型的低秩尺度不变张量积平滑，生物统计学，62，4，1025-1036（2006）·Zbl 1116.62076号 ·doi:10.1111/j.1541-0420.2006.00574.x [152] Wood，SN，基于惩罚回归样条的广义加性模型的置信区间，澳大利亚和新西兰统计杂志，48，4，445-464（2006）·Zbl 1110.62042号 ·doi:10.1111/j.1467-842X.2006.00450.x [153] Wood，SN，半参数广义线性模型的快速稳定限制最大似然和边际似然估计，英国皇家统计学会杂志：B辑（统计方法），73，1，3-36（2011）·Zbl 1411.62089号 ·文件编号：10.1111/j.1467-9868.2010.00749.x [154] Wood，SN，关于广义可加模型光滑分量的p值，Biometrika，100，1，221-228（2013）·Zbl 1284.62270号 ·doi:10.1093/biomet/ass048 [155] Wood、SN、广义加性模型：R（2017）、Chapman和Hall简介·Zbl 1368.62004号 ·doi:10.1201/9781315370279 [156] Wood，SN，P-样条函数与基于导数的惩罚和不均匀分布数据的张量积平滑，《统计与计算》，27，4，985-989（2017）·Zbl 1384.65020号 ·doi:10.1007/s11222-016-9666-x [157] Wood，SN，用广义加性模型及其扩展进行推断和计算，TEST，29，2，307-339（2020）·Zbl 1447.62085号 ·doi:10.1007/s11749-020-00711-5 [158] 木材，SN；北卡罗来纳州皮亚。；Säfken，B.，一般平滑模型的平滑参数和模型选择，美国统计协会杂志，111，516，1548-1563（2016）·doi:10.1080/016214519.2016.1180986 [159] 木材，SN；Scheipl，F。；Faraway，JJ，混合模型中的Straightforward中间秩张量积平滑，统计与计算，23，3，341-360（2013）·Zbl 1322.62197号 ·doi:10.1007/s11222-012-9314-z [160] 伍兹，SP；Delis，DC；斯科特，JC；Kramer，JH；Holdnack，JA，《加利福尼亚口头学习测试第二版：标准和替代形式的测试重测可靠性、实践效果和可靠变化指数》，《临床神经心理学档案》，21，5，413-420（2006）·doi:10.1016/j.acn.2006.06.002 [161] 杨，M。；Dunson，DB，带潜在变量的贝叶斯半参数结构方程模型，《心理测量学》，75，4，675-693（2010）·Zbl 1208.62048号 ·doi:10.1007/s11336-010-9174-4 [162] Yu，D。；Yau，KKW，广义线性混合模型的条件Akaike信息准则，计算统计与数据分析，56，3，629-644（2012）·Zbl 1239.62087号 ·doi:10.1016/j.csda.2011.09.012 [163] 余，Q。；多尔蒂，AM；安德森，DM；西村，M。；刷子，D。；Hardwick，A。；莱西，W。；Raz，S。；Ofen，N.，《儿童和青年人的社会经济状况和海马体积》，《发展科学》，21，3，e12561（2018）·doi:10.1111/desc.12561 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。