Modelo de factores generalizado aumentado por covariables de múltiples estudios y múltiples modalidades de alta dimensión

Los modelos de factores latentes que integran datos de múltiples fuentes/estudios o modalidades han atraído considerable atención en diversas disciplinas. Sin embargo, los métodos existentes se centran predominantemente en la integración de múltiples estudios o en la integración de múltiples modalidades, lo que los hace insuficientes para analizar las diversas modalidades medidas en múltiples estudios. Para abordar esta limitación y satisfacer las necesidades prácticas, introducimos un modelo de factores generalizado de alta dimensión que integra sin problemas datos de múltiples modalidades de múltiples estudios, al tiempo que acomoda covariables adicionales. Realizamos una investigación exhaustiva de las condiciones de identificabilidad para mejorar la interpretabilidad del modelo. Para abordar la complejidad de la integración no lineal de alta dimensión causada por 4 grandes matrices aleatorias latentes, utilizamos un límite inferior variacional para aproximar la verosimilitud logarítmica observada empleando una distribución posterior variacional. Al perfilar los parámetros variacionales, establecemos las propiedades asintóticas de los estimadores para los parámetros del modelo utilizando la teoría de estimación M. Además, diseñamos un algoritmo de maximización de expectativa variacional (EM) computacionalmente eficiente para ejecutar el proceso de estimación y un criterio para determinar el número óptimo de factores compartidos entre estudios y específicos de estudios. Amplios estudios de simulación y una aplicación en el mundo real muestran que el método propuesto supera significativamente a los métodos existentes en términos de precisión de estimación y eficiencia computacional.