.png){kind=icon}
返回
Bayesian Multilevel Compositional Data Analysis: Introduction, Evaluation, and Application
.png){kind=icon}
OA
AI
DOI：10.1037/met0000750.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多层级组成数据是指在同一组内被重复测量或聚集的数据，且这些数据为非负值，并总和为一个常数值。这类数据出现在各种情境中，例如使用生态瞬时评估法和可穿戴设备的密集型、纵向研究。示例包括24小时睡眠-觉醒行为、睡眠结构和宏量营养素。本文介绍了一种基于贝叶斯推断分析多层级组成数据的创新方法。我们阐述了数据及模型的理论细节，并概述了实施该方法所需的步骤。我们引入了R软件包multilevelcoda以促进该方法的应用，并通过一个真实数据示例进行说明。一项广泛的参数恢复模拟研究验证了该方法的稳健性能。在模拟研究调查的所有条件下，拟合模型均表现出极小的收敛问题（收敛率>99%），并实现了高质量的参数估计和推断，平均偏差为0.00（范围=-0.09至0.05），覆盖率0.95（范围=0.93至0.97）。我们以对贝叶斯多层级组成数据分析的应用建议结束本文。我们希望推广该方法的更广泛应用，以获得对科学问题的新颖且稳健的答案。
Keyword:
multilevel modeling
compositional data analysis
isotemporal substitution model
Bayesian inference
intensive longitudinal data
