براورد‌های بیز تجربی انواع همبستگی برای داده‌های طولی-دینامیکی در مدل های سلسله مراتبی ناهمگن

در این مقاله ابتدا مدل‌های سلسله مراتبی طولی-دینامیکی دو سطحی را تعریف خواهیم کرد. این مدل‌ها برای برازش مجموعه داده‌های طولی که ساختار وابستگی نه از طریق مشاهده‌ها بلکه از طریق مدل سطح دوم، که یک مدل دینامیکی برای پارامترهای مدل سلسله مراتبی است، ایجاد‌ می‌شود. ابتدا روش‌های مختلف براورد ابر پارامترهای مدل‌های سلسله مراتبی دو سطحی طولی-دینامیکی بحث خواهد شد سپس انواع براورد متناظر برای ابر پارامتری که عامل ایجاد همبستگی در این مدل است ارائه خواهد شد. در ادامه یک مطالعه شبیه سازی به همراه تحلیل یک مجموعه داده واقعی خواهد آمد.

Empirical estimates for various correlations in longitudinal-dynamic heteroscedastic hierarchical normal models

In this paper, we first define longitudinaldynamic heteroscedastic hierarchical normal models. These models can be used to fit longitudinal data in which the dependency structure is constructed through a dynamic model rather than observations. We discuss different methods for estimating the hyperparameters. Then the corresponding estimates for the hyperparameter that causes the association in the model will be presented. The comparison among various empirical estimators is illustrated through a simulation study. Finally, we apply our methods to a real dataset.