¿Cómo agrupar las variables longitudinales?

Question

Tengo un montón de variables que contienen datos longitudinales desde el día 0 hasta el día 7. Estoy buscando un enfoque de agrupación apropiado que pueda agrupar estas variables longitudinales (no casos) en diferentes grupos. Intenté analizar este conjunto de datos por separado por tiempo, pero el resultado fue bastante difícil de explicar razonablemente.

He investigado la disponibilidad de un procedimiento SAS PROC SIMILARITY porque hay un ejemplo en su sitio web Sin embargo, creo que no es un camino correcto. Algunos estudios anteriores utilizaron el análisis factorial exploratorio en cada punto de tiempo, pero esto no es una opción en mi estudio también debido a los resultados poco razonables.

Esperemos que aquí se puedan aportar algunas ideas y se pueda disponer de un programa compilado, como SAS o R, para procesar. ¡¡Se agradece cualquier sugerencia!!

---

He aquí un breve ejemplo (perdón por la posición incoherente entre los datos y los nombres de las variables):

id time   V1  V2   V3   V4   V5   V6   V7   V8   V9   V10
2    0    8    7    3    7    6    6    0    0    5    2
2    1    3    5    2    6    5    5    1    1    4    2
2    2    2    3    2    4    4    2    0    0    2    2
2    3    6    4    2    5    3    2    1    2    3    3
2    4    5    3    4    4    3    3    4    3    3    3   
2    5    6    4    5    5    6    3    3    2    2    2
2    6    7    5    2    4    4    3    3    4    4    5
2    7    7    7    2    6    4    4    0    0    4    3
4    0   10    7    0    2    2    6    7    7    0    9
4    1    8    7    0    0    0    9    3    3    7    8
4    2    8    7    0    0    0    9    3    3    7    8
4    3    8    7    0    0    0    9    3    3    7    8
4    4    5    7    0    0    0    9    3    3    7    8
4    5    5    7    0    0    0    9    3    3    7    8
4    6    5    7    0    0    0    9    3    3    7    8
4    7    5    7    0    0    0    9    3    3    7    8
5    0    9    6    1    3    2    2    2    3    3    5
5    1    7    3    1    3    1    3    2    2    1    3
5    2    6    4    0    4    2    4    2    1    2    4
5    3    6    3    2    3    2    3    3    1    3    4
5    4    8    6    0    5    3    3    2    2    3    4
5    5    9    6    0    4    3    3    2    3    2    5
5    6    8    6    0    4    3    3    2    3    2    5
5    7    8    6    0    4    3    3    2    3    2    5

Answer 1

Por lo tanto, usted tiene p variables medidas cada t veces en el mismo n individuos. Una forma de proceder es calcular t pXp matrices de (des)similitud y aplicar el modelo INDSCAL de escalado multidimensional. Esto le dará dos mapas de baja dimensión (digamos, de 2 dimensiones). El primer mapa muestra la coordenadas de p variables en el espacio de las dimensiones y refleja las agrupaciones entre ellas, si las hay. El segundo mapa muestra pesos (es decir, la importancia o saliencia) de las dimensiones en cada matriz de t .

Answer 2

No estoy seguro de que sea lo que buscas, pero el paquete kml en R utiliza k-means para agrupar secuencias de medidas repetidas. Aquí hay un enlace al paquete página y al papel (por desgracia, está cerrado). Sólo funciona bien si tienes un conjunto de datos bastante pequeño (unos cientos de secuencias).

aquí hay una versión no cerrada del documento (sin problemas de referencia): http://christophe.genolini.free.fr/recherche/aTelecharger/genolini2011.pdf

Answer 3

En la R Hmisc consulte el archivo de ayuda del paquete curveRep que significa "curvas representativas". curveRep grupos en las formas de las curvas, las ubicaciones y los patrones de los puntos de tiempo perdidos.