이 질문을한지 4 년이 지난 지금, 몇 가지를 배웠으므로 몇 가지 아이디어를 추가해야 할 것입니다.
베이지안 계층 모델링이이 문제에 대한 유연한 접근 방식을 제공한다고 생각합니다.
소프트웨어 : jags, stan, WinBugs 등과 같은 도구는 해당 R 인터페이스 패키지 (예 : rjags, rstan)와 잠재적으로 결합되어 이러한 모델을보다 쉽게 지정할 수 있습니다.
개인 오차 내 변화 :
베이지안 모델을 사용하면 개인 간 오차 편차를 사람마다 다른 임의의 요인으로 쉽게 지정할 수 있습니다.
와이난 = 1 , . . . , nJ = 1 , . . . J 같이
와이나는 j~ N( μ나는, σ2나는)
μ나는= γ
γ~ N( μγ, σ2γ)
σ나는~ G a m m a ( α , β)
따라서 각 개인의 표준 편차는 감마 분포로 모델링 될 수 있습니다. 나는 이것이 사람들이 시간이 지남에 따라 얼마나 많은 차이가 나는 많은 심리적 영역에서 중요한 매개 변수라는 것을 알았습니다.
잠재 된 곡선 클래스 :
이 아이디어를 아직 많이 탐구하지는 않았지만 각 개인에 대해 둘 이상의 가능한 데이터 생성 기능을 지정한 다음 베이지안 모델이 주어진 개인에 대해 가장 가능성이 높은 모델을 선택하도록하는 것이 비교적 간단합니다. 따라서 일반적으로 개별 데이터를 설명하는 기능적 형식과 관련하여 각 개인에 대한 후 확률을 얻게됩니다.
모델 아이디어의 스케치로서 다음과 같은 것을 가질 수 있습니다.
와이ij∼N(μij,σ2)
μij=γiλ(1)ij+(1−γi)λ(2)ij
λ(1)ij=θ(1)1i+θ(1)2iexp(−θ(1)3i)
λ(2)ij=θ(2)1i+θ(2)2ixij+θ(2)3ix2ij
γi=Bernoulli(πi)
Where xij is time and λ(1)ij represents expected values for a three parameter exponential model and λ(2)ij represents expected values for a quadratic model. πi represents the probability that model will choose λ(1)ij.