研究人员开发了DTVEM-RE，这是差分时变效应模型（DTVEM）的一个新颖扩展，它允许在密集纵向数据中进行个体特定的滞后系数估计。这个新模型解决了原始DTVEM的局限性，即原始模型假设所有个体具有统一的滞后结构。DTVEM-RE提供了两个分析版本：一个是在Stan中的离散时间层级贝叶斯VAR，另一个是在ctsem中的连续时间每人Ornstein-Uhlenbeck模型。模拟和在EMA数据集上的应用证明了DTVEM-RE能够准确捕捉滞后效应的个体差异并提高预测准确性。 AI
影响 能够对时间序列数据进行更个性化的分析，可能改善临床研究和行为科学的见解。
排序理由 该集群包含一篇详细介绍新统计模型扩展的研究论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.14116v1 Announce Type: new Abstract: The Differential Time-Varying Effect Model (DTVEM) of Jacobson et al. (2019) is a popular tool for finding the best time lag in intensive longitudinal data, but it assumes everyone shares the same lag structure. The original authors…
The Differential Time-Varying Effect Model (DTVEM) of Jacobson et al. (2019) is a popular tool for finding the best time lag in intensive longitudinal data, but it assumes everyone shares the same lag structure. The original authors named fixing this as future work, and it clashe…