《含混合數據類型的縱向結構方程模型分析》是依託中山大學，由蔡敬衡擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：含混合數據類型的縱向結構方程模型分析
- 項目類別：青年科學基金項目
- 項目負責人：蔡敬衡
- 依託單位：中山大學
中文摘要,結題摘要,
中文摘要
在實際科學研究中的數據集經常包含分類數據、異構數據、縱向數據這些複雜的數據結構，而且含有缺失值。現有的軟體和方法都不能同時處理這些數據。本項目擬建立一個新的縱向結構方程模型，此模型能夠同時處理上述提到的複雜數據類型，並且利用極大似然方法以及貝葉斯方法對模型進行分析，包括參數估計和模型選擇。由於數據結構相當複雜，因此分析的難點在於處理涉及高維積分的似然函式。本項目在極大似然方法與貝葉斯方法的框架下，分別利用MCEM算法、數據增廣以及馬爾可夫鏈蒙特卡羅方法處理此問題，大量文獻已經表明方法是行之有效的。另外，本項目還會利用貝葉斯信息準則（BIC）和偏差信息準則（DIC）作為模型選擇的依據。最後在本項目結束之時，我們會發布這一程式以供有需要的研究者使用。
結題摘要
本項目主要完成三項工作。第一項工作是建立潛在變數和混合數據的半參數結構方程模型，提出分析該模型的貝葉斯方法，並利用建立的模型以及方法分析了美國青少年追蹤調查數據集，揭示了青少年的“家庭環境”，“行為問題”，“母親的酗酒情況”以及“友誼”對青少年“學業成績”的影響。本項目的第二項工作建立含有轉換函式的結構方程模型分析含潛變數的多元刪失數據，提出分析該模型的貝葉斯方法，並利用建立的模型以及方法分析了香港II型糖尿病人的心臟病併發症數據，找到了病人的“血壓”，“肥胖”，“血脂”等因素對心臟病併發症發病時間的影響。本項目的第三項工作是建立時間序列的異方差自回歸模型，提出分析該模型的貝葉斯方法，並利用建立的模型以及方法分析了S&P 500指數，得到一些有趣的結論。
