A latent class location-scale regression model with an application to calorie intake data

科学分野:

• 統計学
• 行動科学
• 生物統計学

背景:

• 縦断的データ分析では、平均的な傾向（位置）と個々のばらつき（スケール）の両方を理解する必要がある。
• このデータ内の隠れたサブグループを特定することは、正確な解釈と介入にとって重要である。
• 既存の方法では、位置とスケールの両方の軌道における複雑なパターンを完全に捉えられない場合がある。

研究 の 目的:

• 縦断的行動データを分析するための、潜在クラスを持つ新しい位置・スケール回帰モデルを導入する。
• 平均軌道と変動軌道に基づいてサブグループを特定するための柔軟な統計ツールを開発する。
• 体重管理における食事行動の一貫性を理解するための実践的な方法を提供する。

主な方法:

• 位置とスケールの両方の成分に潜在クラスを組み込んだ位置・スケール回帰モデルを開発した。
• パラメータ推定のためにStanを使用した完全ベイズアプローチを採用した。
• 精度、バイアス、および分類精度を評価するために、シミュレーション研究を用いてモデルを検証した。

主要な成果:

• 潜在クラスモデルは、特にスケール成分において、隠れたパターンを持つデータに対して、より正確で有益な結果を提供する。
• シミュレーション研究は、固有の異質性がなくても、偏りのないパラメータ推定値と高い正しい分類率を示す。
• このモデルは、平均軌道と被験者内の変動軌道の両方に基づいて、被験者を効果的にサブグループ化する。

結論:

• 提案された潜在クラス位置・スケールモデルは、複雑な縦断的行動データを分析するための実用的かつ効果的なツールである。
• これにより、研究者はデータの傾向とばらつきにおける微妙なパターンに基づいて、意味のあるサブグループを特定できる。
• カロリー摂取データへの応用は、個別化された体重管理介入のための食事の一貫性を理解する上での有用性を強調している。