Publikace na Matematicko-fyzikální fakulta |
2022
Abstrakt
Pro longitudinální data vybudujeme regresní model sestávající se ze zobecněných lineárních smíšených modelů (GLMM) pro různé typy proměnných. Tyto zdánlivě nezávislé struktury propojíme sdruženým normálním rozdělením pro vektor všech náhodných efektů příslušících jednomu subjektu.
Následováním metod shlukové analýzy na bázi modelu (model-based clustering) vytvoříme směs těchto modelů, kde jednotlivé skupiny se od sebe budou lišit v předem vybraných parametrech. Zavedením vhodného apriorního rozdělení jsme dokonce schopni se vypořádat s předem neznámým počtem skupin.
Celý model včetně klasifikace subjektů je odhadován pomocí MCMC metod, které umožňují se elegantně vyhnout nepříjemným integracím latentních proměnných.