如何在纵向数据中找到分组（轨迹）？

语境

我想先设定一下场景，然后再扩展问题。

我有纵向数据，大约每3个月对受试者进行一次测量，主要结果是数值（从连续到1dp），范围是5到14，（所有数据点的）大部分在7到10之间。意大利面条图（x轴上有年龄，每个人都有一条线），因为我有超过1500名受试者，这显然是一团糟，但是随着年龄的增长，向更高的价值迈进了明显的步伐（这是众所周知的）。

更广泛的问题是：我们想做的是首先能够确定趋势组（开始时高并保持高位，开始时低并保持低位，开始时低并增加到高位等），然后我们可以查看与“趋势组”成员资格相关的个人因素。

我在这里的问题专门针对第一部分，即按趋势分组。

题

我们如何对单个纵向轨迹进行分组？
哪种软件适合执行此操作？

我正在研究一位同事建议的SAS和M-Plus中的Proc Traj，但我想知道其他人对此有何想法。

clustering panel-data

— nzcoops
source

这只是一个起点，但也许可以查看该问题的一些答案：stats.stackexchange.com/questions/2777/…–

— Jeromy Anglim

谢谢Jeromy，kml选项很有趣，我喜欢R中的想法，但是由于对象的访问年龄不同，而不是“访问1”，因此我不确定我可以在数据中使用他们的框架。访问2'等，有些访问10次，而其他访问50 + ...

— nzcoops 2011年

检查kml 软件包 -似乎提供了您需要的功能。JoSS中的论文对此进行了详细描述。也kml3d＆kmlShape可能是有趣的。

— radek

Answers:

我用Mfuzz在[R进行聚类时程微阵列数据集。Mfuzz使用“软集群”。基本上，个人可以出现在多个组中。

正如@Andy在评论中指出的那样，原始论文使用的是CTN数据。但是，我怀疑对于离散数据它应该可以正常工作。特别是因为您只是在探索数据集。这是R中的一个简单示例：

##It's a bioconductor package
library(Mfuzz)
library(Biobase)

## Simulate some data
## 6 time points and 90 individuals
tps = 6;cases = 90
d = rpois(tps*cases, 1)  ##Poisson distribution with mean 1
m = matrix(d, ncol=tps, nrow=cases)

##First 30 individuals have increasing trends
m[1:30,] = t(apply(m[1:30,], 1, cumsum))

##Next 30 have decreasing trends
##A bit hacky, sorry
m[31:60,] = t(apply(t(apply(m[31:60,], 1, cumsum)), 1, rev))

##Last 30 individuals have random numbers from a Po(1)

##Create an expressionSet object
tmp_expr = new('ExpressionSet', exprs=m)

##Specify c=3 clusters
cl = mfuzz(tmp_expr, c=3, m=1.25)
mfuzz.plot(tmp_expr,cl=cl, mfrow=c(2, 2))

给出以下图：

Mfuzz丛集

— csgillespie
source

感谢您的参考，我之前从未遇到过。这种聚类算法是否适合OP提到的低计数分布式数据（或二分数据）？参考文献（Futschik＆Carlisle 2005）使用的数据已转换为连续数据。

— 安迪W

@安迪：好点。我提供了一个快速模拟。一切似乎都还可以，但是可能会有一个更好的解决方案。

— csgillespie 2011年

谢谢@csgillespie，请尝试一下。顺便说一句，我的数据是连续的，不是离散的，不确定问题是否还不够清楚，还是您的答案有误？必须回滚我的R才能安装Mfuzz，让乐趣开始。

— nzcoops

@csgillespie-这很酷。我现在正在处理一些真实数据。您是否偶然知道是否有一种方法可以估计组数？

— 2012年

我希望有一个MPLUS软件包可以满足您的需求。Psychometrika中有一篇论文几乎与此主题相关

springerlink.com/content/25r110007g417187

除了数据是二进制且轨迹是概率轨迹外。作者使用潜在类分析（通过使用惩罚有限混合模型来实现）对轨迹进行分组。我还知道第一作者大约在10年前就与Bengt Muthen（MPLUS的创建者）撰写了其他论文，内容涉及相似环境（带有轨迹）中的潜在类分析。例如，

http://onlinelibrary.wiley.com/doi/10.1111/j.0006-341X.1999.00463.x/abstract

听起来与您在说的非常相似，除了结果是二进制的。连续的情况要简单得多，因此我将进行向后文献搜索（即查看这些论文参考的论文），以找到与您更精确地描述的内容匹配的内容。

要了解更多信息，您可以直接问MPLUS的所有者您需要使用什么软件包来完成所需的工作。他们通常很快就会做出回应，并且非常有帮助：

http://www.statmodel.com/cgi-bin/discus/discus.cgi

— 巨集
source