在多级向量自回归模型中测试组差异

科学领域:

• 计算统计学 计算统计学
• 时间序列分析时间序列分析
• 多层次建模多层次建模

背景情况:

• 多级向量自回归 (VAR) 模型被广泛用于分析多个受试者的纵向数据.
• 在这些模型中调查群体差异 (例如,患者与对照) 是至关重要的,但缺乏标准化的推理方法.
• 现有的比较跨组多层VAR模型的方法并不容易获得或被广泛采用.

研究的目的:

• 引入和评估新的统计测试,以推断多层VAR模型中的群体差异.
• 在R统计环境中提供这些测试的实际实施.
• 通过模拟研究来评估拟议方法在检测群体差异方面的性能.

主要方法:

• 在多级VAR模型中进行群组比较的参数测试的开发和解释.
• 开发和解释一个非参数顺序测试,用于可靠的组比较.
• 使用mlVAR R-package和使用mnet R-package的教程来执行这两项测试.

主要成果:

• 该研究成功实施并评估了在多层VAR模型中对群体差异的两个不同的统计测试.
• 模拟研究表明,这些测试的性能能够准确地恢复已知的群体差异.
• R-package mnet提供了一个可重现的框架,用于将这些方法应用于经验情感数据.

结论:

• 本文所介绍的参数和非参数测试为在多级VAR分析中进行组对比提供了可访问和可靠的方法.
• 这些工具增强了在动态网络结构中调查个人间差异的能力.
• 提供的R实现和教程有助于在心理学和神经科学研究中应用这些先进的统计技术.