22、纵向数据与计算网格：技术解析与应用探讨

纵向数据与计算网格：技术解析与应用探讨

1. 纵向数据处理

1.1 获取模型与进一步分析

在处理纵向数据时，有时我们从基于生物学考虑而非数据得出的模型入手，通过在优化中加入“常识”先验来采用贝叶斯方法。但很多时候，我们事先对可能的模型了解有限，从数据导出的模型参数含义也不易理解，制定先验并非易事。

面对不完整且嘈杂的数据，我们可以采用一种常见的中间方法：先使用精心整理的训练集来建立模型并定义先验，再将模型应用于通常更大、更嘈杂的数据集。训练集可以来自更精确（更昂贵）的测量或试点研究。具体操作步骤如下：
1. 研究特定领域模型 ：查看是否有适用于数据的特定领域模型，若有，通常能得到一个带有有意义先验的明确模型。
2. 考虑专业软件 ：若工作重点是对纵向数据进行建模，尤其是考虑其他协变量、组或层次结构时，可以考虑使用像 Stan（www.http.mc-stan.org）这样的专业软件包。它允许用专业建模语言创建复杂模型，并提供直接的图形反馈，方便对模型进行调整。
3. 采用简单方法 ：
- 数据平滑 ：使用少量预定义节点的 B 样条对数据进行平滑处理，得到一组固定的参数来描述每条曲线。
- 数据对齐 ：在某些特征（如曲线的最大值或一阶导数）处对齐（移动）数据。
- 数据归一化 ：通过减去平均曲线对数据进行归一化。
- 主成分分析 ：对残差曲线的参数