Uma Abordagem de Variável Latente para Aprender Dados Longitudinais Multivariados de Alta Dimensão

Dados longitudinais multivariados de alta dimensão, que surgem quando muitas variáveis de resultado são medidas repetidamente ao longo do tempo, estão se tornando cada vez mais comuns nas ciências sociais, comportamentais e de saúde. Propomos um modelo de variável latente para tirar inferências estatísticas sobre os efeitos de covariáveis e prever resultados futuros com base em dados longitudinais multivariados de alta dimensão. Este modelo introduz fatores não observáveis para contabilizar a dependência entre variáveis e ao longo do tempo e auxiliar a previsão. Ferramentas de inferência estatística e previsão são desenvolvidas em um contexto geral que permite que as variáveis de resultado sejam de tipos mistos e possivelmente não observadas em determinados pontos no tempo, por exemplo, devido à censura à direita. Um teorema do limite central é estabelecido para tirar inferências estatísticas sobre coeficientes de regressão. Além disso, um critério de informação é introduzido para escolher o número de fatores. O modelo proposto é aplicado a registros de compras de supermercado para prever e entender o comportamento de compra.