Kernel-based random effect time-varying coefficient model for longitudinal data

بسیاری از تلاش ها برای توسعه روش های برآورد موثر برای مدل های داده های طولی داده های پارامتری و غیر پارامتری اختصاص داده شده است. مدل رگرسیون ضریب متغیر توجه زیادی به عنوان یک ابزار مهم برای مدل سازی رابطه بین پاسخ و یک گروه از متغیرهای پیش بینی شده دریافت کرده است. مدل ضریب متغیر به خصوص در تجزیه و تحلیل داده های طولی مفید است. برای تجزیه و تحلیل داده های طولی، یک مدل ضریب متغیر زمانی به صورت تصادفی پیشنهاد شده است که بر اساس اصل اساسی ماشین بردار پشتیبانی از کمترین مربعات همراه با تکنولوژی هسته است. برای تعیین سطح تحمل و پارامترهایی که بر عملکرد مدل پیشنهادی تاثیر می گذارند، روش اعتبارسنجی تعمیم یافته نیز در نظر گرفته شده است. مدل پیشنهادی از طریق مطالعات عددی ارزیابی می شود.