Dynamic Latent Trait Models for Multidimensional Longitudinal Data
多维纵向数据的动态潜在特质模型AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确分析同一个体随时间重复测量的数据，并以既往潜在特质解释当前特质，直接涉及纵向数据建模。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
多维纵向数据的动态潜在特质模型
- 研究问题
- 如何利用个体随年龄重复测量的多种响应，刻画潜在特质的动态演化，同时容纳不同数据类型与测量误差？
- 方法与思路
- 作者用广义线性模型连接响应与年龄特定潜在特质，以转移模型描述预测变量和既往特质的作用，并采用贝叶斯 MCMC 计算。
- 材料陈述的贡献
- 摘要称该框架统一处理计数、分类和连续响应，并在农药神经毒性数据中呈现运动活动随剂量增加的证据。
- 阅读关注点
- 核对潜在特质的识别与量尺设定、转移和测量模型的约束、MCMC 诊断，以及剂量关系的研究设计和解释边界。
- 阅读边界
- 仅据稿件版本未注明的 OpenAlex 摘要；未说明识别条件、先验与实验设计，不能据此将剂量关系认定为已确证的因果效应。
原文摘要
This article presents a new approach for analysis of multidimensional longitudinal data, motivated by studies using an item response battery to measure traits of an individual repeatedly over time. A general modeling framework is proposed that allows mixtures of count, categorical, and continuous response variables. Each response is related to age-specific latent traits through a generalized linear model that accommodates item-specific measurement errors. A transition model allows the latent traits at a given age to depend on observed predictors and on previous latent traits for that individual. Following a Bayesian approach to inference, a Markov chain Monte Carlo algorithm is proposed for posterior computation. The methods are applied to data from a neurotoxicity study of the pesticide methoxychlor, and evidence of a dose-dependent increase in motor activity is presented.