卢、赵华;Sy-Minin周;尼拉姆·拉姆;帕梅拉·科尔（Pamela M.Cole）。 高度不平衡多元多主题时间序列数据的零膨胀随机微分方程模型。 （英语） Zbl 1431.62549号 心理测量学 84，第2号，611-645（2019）. 摘要：在人类动力学研究中，所研究的行为通常是通过计算一系列低阶过程的频率和强度来操作的。例如，消极情绪的高阶结构可以通过哭泣、皱眉以及其他痛苦、恐惧、愤怒和其他负面情绪的言语和非言语表达来表示。然而，由于负面情绪表达方式的特殊差异，一些低阶过程的特点可能是在某些个体中出现的次数很少。为了在可能出现这种“零响应”膨胀的情况下帮助恢复系统的真实动力学，我们建议在双变量Ornstein-Uhlenbeck（OU）中添加一个“不发生”的状态（未观察到的阶段）模型解释了一些个体中不发生的高实例，同时允许在非零响应下对感兴趣的过程进行多元动态表示。发生（即活动）和不发生（即非活动）状态之间的转换使用一个新的潜在马尔可夫转换模型表示，该模型依赖于潜在变量和特定于人的协变量，以解释过程的诱导间异质性。贝叶斯估计和推理基于使用JAGS软件实现的马尔可夫链蒙特卡罗算法。我们证明了所提出的零膨胀规则开关OU模型在研究36个月和48个月幼儿自我调节中的实用性。 引用于2文件 MSC公司： 第62页，共15页 统计学在心理学中的应用 62亿02 马尔可夫过程：假设检验 65二氧化碳 蒙特卡罗方法 60 H10型 随机常微分方程（随机分析方面） 62M10个 统计学中的时间序列、自相关、回归等（GARCH） 62H15型 多元分析中的假设检验 关键词：随机微分方程;奥恩斯坦-乌伦贝克;马尔可夫转换;制度转换;贝叶斯方法;马尔可夫链蒙特卡罗算法 软件：进程LTA;麦克卢斯特;BaM公司;卡爪 PDF格式BibTeX公司 XML格式引用 \textit{Z.-H.Lu}等人，《心理测量学》84，第2期，611--645（2019年；Zbl 1431.62549） 全文： DOI程序 链接 参考文献： [1] Ait-Sahalia，Y.（2008）。多元扩散的闭式似然展开。《统计年鉴》，36（2），906-937·Zbl 1246.62180号 [2] 阿明格·G。；Tuma，N.（编辑），具有未观测变量的面板数据线性随机微分方程模型，187-212（1986），旧金山 [3] Bai，Y.，&Wu，L.（2018）。最优寄存器交换对交易规则的分析值函数。《定量金融》，18（4），637-654。https://doi.org/10.1080/14697688.2017.1336281。 ·Zbl 1400.91527号 ·doi:10.1080/14697688.2017.1336281 [4] Baumeister，R.F.和Vohs，K.D.（2007年）。自我调节、自我损耗和动机。社会与人格心理学指南，1115-128。https://doi.org/10.1111/j.1751-9004.2007.0001.x。 ·doi:10.1111/j.1751-9004.2007.0001.x [5] Beaulieu，J.M.、Jhwueng，D.C.、Boettiger，C.和O'Meara，B.C.（2012年）。建模稳定选择：扩展Ornstein-Uhlenbeck自适应进化模型。进化，66（8），2369-2383。https://doi.org/10.1111/j.1558-5646.2012.01619.x。 ·文件编号：10.1111/j.1558-5646.2012.01619.x [6] Beskos，A.、Papaspiliopoulos，O.和Roberts，G.（2009年）。离散观测扩散过程的蒙特卡罗最大似然估计。《统计年鉴》，37（1），223-245·Zbl 1169.65004号 [7] Beskos，A.、Papaspiliopoulos，O.、Roberts，G.和Fearnhead，P.（2006）。离散观测扩散过程的精确且计算效率高的似然估计。英国皇家统计学会期刊：B系列（统计方法论），68（3），333-382。（讨论）·Zbl 1100.62079号 [8] Buss，K.A.和Goldsmith，H.（1998年）。婴儿期的恐惧和愤怒调节：对情感表达的时间动态的影响。儿童发展，69（2），359-374。https://doi.org/10.1111/j.1467-8624.1998.tb06195.x。 ·文件编号：10.1111/j.1467-8624.1998.tb06195.x [9] Calvet，L.E.和Fisher，A.J.（2004）。如何预测长期波动：体制转换和多重分形过程的估计。《金融计量经济学杂志》，2（1），49-83。https://doi.org/10.1093/jjfinec/nbh003。 ·doi:10.1093/jjfinec/nbh003 [10] Carver，C.S.和Scheier，M.F.（1998年）。关于行为的自律。纽约州纽约市：剑桥大学出版社。 [11] Chow，S.-M.、Bendezú，J.J.、Cole，P.M.和Ram，N.（2016年）。具有混合效应的非线性常微分方程模型两阶段拟合方法的比较。多元行为研究。，51(2-3), 154-184. [12] Chow，S.-M.、Grimm，K.J.、Guillaume，F.、Dolan，C.V.和McArdle，J.J.（2013）。体制转换的双变量双变分模型。多元行为研究，48（4），463-502。 [13] Chow，S.-M.、Lu，Z.、Sherwood，A.和Zhu，H.（2016）。使用随机逼近期望最大化（SAEM）算法拟合具有随机效应和未知初始条件的非线性常微分方程模型。《心理测量学》，81（1），102-134。https://doi.org/10.1007/s11336-014-9431-z。 ·Zbl 1342.62168号 ·doi:10.1007/s11336-014-9431-z [14] Chow，S.-M.、Witkiewitz，K.、Grasman，R.P.P.和Maisto，S.A.（2015）。尖点突变模型为横截面和纵向混合结构方程模型。《心理学方法》，第20期，第142-164页。 [15] Chow，S.-M.和Zhang，G.（2013年）。非线性寄存器开关状态空间（RSSS）模型。《心理测量学》，78（4），740-768·Zbl 1288.62176号 [16] Cole，P.M.、Bendezú，J.J.、Ram，N.和Chow，S.M.（2017年）。幼儿自我调节的动态系统建模。情感，17（4），684-699。https://doi.org/10.1037/emo0000268。 ·doi:10.1037/emo0000268 [17] 科尔，P.M.、谭，P.Z.、霍尔，S.E.、张，Y.、克里克，K.A.、布莱尔，C.B.等人（2011年）。愤怒表达和注意力集中的发展变化：学会等待。发展心理学，47（4），1078。 [18] 科尔曼，JS；布莱洛克，HM（编辑）；Blalock，A.（编辑），《变化的数学研究》，428-478（1968），纽约 [19] Collins，L.M.和Wugalter，S.E.（1992年）。阶段序列动态潜在变量的潜在类模型。多元行为研究，28，131-157。 [20] Dolan，C.V.、Schmittmann，V.D.、Lubke，G.H.和Neale，M.C.（2005）。潜在增长曲线混合模型中的制度转换。结构方程建模，12（1），94-119。 [21] Durham，G.B.和Gallant，A.R.（2002）。连续时间扩散过程最大似然估计的数值技术。《商业与经济统计杂志》，20（3），297-316。 [22] Elerian，O.、Chib，S.和Shephard，N.（2001年）。离散观测非线性扩散的似然推断。《计量经济学》，69（4），959-993·Zbl 1017.62068号 [23] Elliott，R.J.、Aggoun，L.和Moore，J.（1995）。隐马尔可夫模型：估计和控制。纽约：斯普林格·Zbl 0819.60045号 [24] Fox，E.B.、Sudderth，E.B.，Jordan，M.I.和Willsky，A.S.（2010年）。学习马尔可夫切换过程的贝叶斯非参数方法。IEEE信号处理杂志，27（6），43-54。https://doi.org/10.109/MSP.2010.937999。 ·doi:10.1109/MSP.2010.937999 [25] Fraley，C.、Raftery，A.E.、Murphy，T.B.和Scrucca，L.（2012）。Mclust版本4 for R：基于模型的聚类、分类和密度估计的正态混合建模（No.597）。华盛顿大学统计系·Zbl 1520.62002号 [26] Gates，K.M.和Molenaar，P.C.M.（2012）。群搜索算法为同质和异质样本中的个体恢复有效的连通图。神经影像，63，310-319。https://doi.org/10.1093/jjfinec/nbh003。 ·doi:10.1093/jjfinec/nbh003 [27] Gelman，A。；吉尔克斯，WR（编辑）；Richardson，S.（编辑）；Spiegelholter，DJ（编辑），推断和监测收敛，131-143（1996），佛罗里达州博卡拉顿·兹比尔0839.62020 [28] Gelman，A.、Meng，X.-L.和Stern，H.（1996）。通过实现差异对模型适合性进行后验预测评估。中国统计局，6（4），733-760·Zbl 0859.62028号 [29] Geman，S.和Geman，D.（1984）。随机松弛、吉布斯分布和图像的贝叶斯恢复。IEEE模式分析和机器智能汇刊，6721-741·Zbl 0573.62030号 [30] Ghysels，E.、McCulloch，R.E.和Tsay，R.S.（1998年）。周期性寄存器切换模型的贝叶斯推断。应用计量经济学杂志，13（2），129-143。 [31] Gilks，W.R.、Best，N.G.和Tan，K.K.C.（1995）。吉布斯抽样中的自适应拒绝大都会抽样。英国皇家统计学会期刊C辑（应用统计学），44（4），455-472·Zbl 0893.62110号 [32] Gill，J.（2014）。贝叶斯方法：一种社会和行为科学方法。佛罗里达州博卡拉顿：CRC出版社。 [33] Goldsmith，H.H.和Reilly，J.（1993）。学校版温度的实验室评估。俄勒冈州大学：未出版手册。 [34] Golightly，A.和Wilkinson，D.J.（2008）。误差观测非线性多元扩散模型的贝叶斯推断。计算统计与数据分析，52（3），1674-1693。https://doi.org/10.1016/j.csda.2007.05.019。 ·Zbl 1452.62603号 ·doi:10.1016/j.csda.2007.05.019 [35] Hall，D.B.（2000）。具有随机效应的零膨胀泊松和二项回归：案例研究。生物统计学，56（4），1030-1039·Zbl 1060.62535号 [36] 黑斯廷斯，W.K.（1970）。使用马尔可夫链的蒙特卡罗抽样方法及其应用。生物特征，57，97-100·Zbl 0219.65008号 [37] 琼斯，RH；Parzen，E.（编辑），将多变量模型拟合到不等间隔数据，第25158-188号（1984），纽约 [38] Kass，R.E.和Raftery，A.E.（1995）。贝叶斯因素。美国统计协会期刊，90（430），773-795·Zbl 0846.62028号 [39] Kim，C.-J.和Kim，J.（2015）。具有吸收状态的区域切换ARMA模型中的贝叶斯推断：制度变迁下的实际利率动态。《商业与经济统计杂志》，33（4），566-578。https://doi.org/10.1080/07350015.2014.979995。 ·doi:10.1080/07350015.2014.979995 [40] Kim，C.-J.和Nelson，C.R.（1999）。具有状态切换的状态空间模型：经典和吉布斯采样方法及其应用。马萨诸塞州剑桥：麻省理工学院出版社。 [41] Kloeden，P.E.和Platen，E.（1999）。随机微分方程的数值解。柏林：斯普林格。 [42] Kopp，C.B.（1982）。自我调节的先决条件：发展视角。发展心理学，18，199-214。 [43] Lambert，D.（1992）。零膨胀泊松回归，及其在制造缺陷中的应用。《技术计量学》，34（1），1-14。https://doi.org/10.2307/1269547。 ·兹比尔0850.62756 ·doi:10.2307/1269547 [44] Lanza，S.T.和Collins，L.M.（2008）。潜在转变分析的新SAS程序：约会转变和性风险行为。发展心理学，44（2），446-456。 [45] Lindström，E.（2012年）。用于稀疏采样扩散的规则化桥式采样器。统计与计算，22（2），615-623。https://doi.org/10.1007/s11222-011-9255-y。 ·Zbl 1322.62211号 ·doi:10.1007/s11222-011-9255-y [46] Lu，Z.-H.、Chow，S.-M.、Sherwood，A.和Zhu，H.（2015）。动态血压动力学的贝叶斯分析及其在不规则间隔稀疏数据中的应用。应用统计年鉴，9（3），1601-1620。https://doi.org/10.1214/15-AOAS846。 ·Zbl 1454.62358号 ·doi:10.1214/15-AOAS846 [47] Maisto，S.A.、Xie，F.C.、Witkiewitz，K.、Ewart，C.K.、Connors，G.J.、Zhu，H.等人（2017）。慢性自我调节压力、不良愤怒调节和短暂影响如何破坏酒精使用障碍的治疗：整合社会行为理论和复发的动态模型。《社会与临床心理学杂志》，36，238-263。https://doi.org/10.1521/jscp.2017.36.3.238。 ·doi:10.1521/jscp.2017.36.3.238 [48] Mbalawata，I.S.、Särkkä，S.和Haario，H.（2013）。马尔可夫链蒙特卡罗和非线性卡尔曼滤波的随机微分方程参数估计。计算统计学，28（3），1195-1223。https://doi.org/10.1007/s00180-012-0352-y。 ·Zbl 1305.65062号 ·doi:10.1007/s00180-012-0352-y [49] Molenaar，P.C.M.和Newell，K.M.（2003）。振动手指运动中相变理论模型的直接拟合。英国数学与统计心理学杂志，56，199-214。https://doi.org/10.1348/000711003770480002。 ·doi:10.1348/000711003770480002 [50] Neal，R.M.（2003）。切片取样。《统计年鉴》，31（3），705-767。https://doi.org/10.1214/aos/1056562461。 ·Zbl 1051.65007号 ·doi:10.1214/aos/1056562461 [51] Nylund，K.L.、Muthén，B.、Nishina，A.、Bellmore，A.和Graham，S.（2006年）。中学同伴伤害的稳定性和不稳定性：使用协变量、远端结果和模型扩展的潜在转换分析。https://scholar.google.com/citations？user=cKtI1DQAAAAJ&hl=en#d=gs_md_cita-显示（&u）= [52] Oravecz，Z.、Tuerlinckx，F.和Vandekerckhove，J.（2011）。情感动力学的分层潜在随机微分方程模型。心理学方法，16，468-490。https://doi.org/10.1037/a0024375。 ·doi:10.1037/a0024375 [53] Oravecz，Z.、Tuerlinckx，F.和Vandekerckhove，J.（2016）。贝叶斯数据分析与二元层次Ornstein-Uhlenbeck过程模型。多元行为研究，51（1），106-119。https://doi.org/10.1080/00273171.2015.1110512。 ·doi:10.1080/00273171.2015.1110512 [54] Oud，J.H.L.和Jansen，R.A.R.G.（2000）。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·Zbl 1291.62240号 [55] Oud，J.H.L.和Singer，H.（编辑）。(2008). 特刊：面板数据的连续时间建模（第62卷（1））·兹比尔1151.62074 [56] 普卢默，M。；Hornik，K.（编辑）；Leisch，F.（编辑）；Zeileis，A.（编辑），JAGS：使用吉布斯抽样分析贝叶斯图形模型的程序，编号124125（2003），维也纳 [57] Ramsay，J.O.、Hooker，G.、Campbell，D.和Cao，J.（2007年）。微分方程的参数估计：一种广义平滑方法。英国皇家统计学会杂志：B辑，69（5），741-796。https://doi.org/10.1111/j.1467-9868.2007.00610.x。（讨论）·Zbl 07555374号 ·文件编号：10.1111/j.1467-9868.2007.00610.x [58] Roberts，G.O.和Stramer，O.（2001）。利用Metropolis-Hastings算法推断部分观测非线性扩散模型。生物特征，88，603-621。https://doi.org/10.1093/biomet/88.3.603。 ·Zbl 0985.62066号 ·doi:10.1093/biomet/88.3.603 [59] Roeder，K.、Lynch，K.G.和Nagin，D.S.（1999）。潜在阶级成员的不确定性建模：犯罪学案例研究。美国统计协会杂志，94766-776。https://doi.org/10.1080/0022250x.2010.509524。 ·Zbl 1202.62124号 ·数字对象标识代码：10.1080/0022250x.2010.509524 [60] Särkkä，S.（2013）。贝叶斯滤波和平滑。新泽西州希尔斯代尔：剑桥大学·Zbl 1274.62021号 [61] Singer，H.（1992年）。视觉上的混叠现象。《数学社会学杂志》，14（1），39-49·Zbl 0754.60059号 [62] Singer，H.（2010年）。奇异矩矩阵的SEM建模。第一部分：时间序列的最大似然估计。《数学社会学杂志》，34（4），301-320。https://doi.org/10.1080/0022250x.2010.532259。 ·Zbl 1275.60055号 ·doi:10.1080/0022250x.2010.532259 [63] Singer，H.（2012）。奇异矩矩阵的SEM建模。第二部分：抽样随机微分方程的ML估计。《数学社会学杂志》，36（1），22-43。https://doi.org/10.1080/0022250x.2010.532259。 ·兹比尔1275.60055 ·doi:10.1080/022250x.2010.532259 [64] Solo，V.（2002）。用EM算法辨识含噪随机热方程。2002年IEEE第41届决策与控制会议论文集。（第4卷，第4505-4508页）。https://doi.org/10.109/CDC.2002.1185083 [65] Spiegelhalter，D.J.、Best，N.G.、Carlin，B.P.和Van Der Linde，A.（2002）。模型复杂度和拟合度的贝叶斯度量。英国皇家统计学会杂志：B辑（统计方法），64（4），583-639·Zbl 1067.62010年 [66] Uhlenbeck，G.E.和Ornstein，L.S.（1930年）。关于布朗运动理论。身体检查，36（5），823。 [67] Vehtari，A.、Gelman，A.和Gabri，J.（2016）。使用leave-on-out交叉验证和WAIC进行实用贝叶斯模型评估。arXiv（预打印）·Zbl 1505.62409号 [68] Voelkle，M.C.、Oud，J.H.L.、Davidov，E.和Schmidt，P.（2012）。面板数据连续时间建模的SEM方法：将权威主义与贫血联系起来。心理学方法，17，176-192。https://doi.org/10.1037/a0027543。 ·doi:10.1037/a0027543 [69] 威廉，FH；格罗斯曼，P。；密歇根州穆勒；梅尔，MR（编辑）；Conner，TS（编辑），《弥合实验室与现实世界之间的差距：综合动态心理生理学》，210-234（2012），纽约 [70] Yang，J.-W.，Tsai，S.-Y.，Shyu，S.-D.，&Chang，C.-C.（2016）。成对交易：具有制度转换的随机利差模型的表现——来自标准普尔500指数的证据。《国际经济与金融评论》，43，139-150。https://doi.org/10.1016/j.iref.2015.10.036。 ·doi:10.1016/j.iref.2015.10.036 [71] Yang，M.和Chow，S.-M.（2010年）。使用带有状态切换的状态空间模型来表示面部肌电（EMG）数据的动力学。《心理测量学：应用和案例研究》，74（4），744-771·兹比尔1208.62177 [72] Yümlü，M.S.、Gürgen，F.S.、Cemgil，A.T.和Okay，N.（2015）。状态切换波动率模型中的贝叶斯变点和时变参数学习。数字信号处理，4198-212。https://doi.org/10.1016/j.dsp.2015.02.001。 ·doi:10.1016/j.dsp.2015.02.001 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。