📊 statistics

Beyond the mean: Sequence analysis methods for clustering ordinal EMA data

本文提出了一种结合序列分析（sequence analysis）与主成分分析（PCA）及K-means聚类的新方法，旨在通过捕捉生态瞬时评估（EMA）数据中的动态时间模式，而非仅依赖平均值，来更有效地识别具有相似纵向特征的个体潜在群体。

原作者： Tianyi Wang, Anna L. Smith, Jillian R. Silva-Jones, Wendy Berry Mendes, Lauren N. Whitehurst

发布于 2026-04-28

📖 1 分钟阅读☕ 轻松阅读

原作者： Tianyi Wang, Anna L. Smith, Jillian R. Silva-Jones, Wendy Berry Mendes, Lauren N. Whitehurst

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇文章的研究核心可以用一个简单的比喻来理解：“不要只看一个人的平均分，要看他整场比赛的表现。”

以下是为您准备的通俗版解读：

1. 核心问题：被“平均值”掩盖的真相

想象一下，你要评价一个学生这一学期的学习状态。

传统方法（算平均分）： 你只看他期末考试的平均分是 80 分。这很方便，但它会抹杀很多细节。这个 80 分，可能是一个每天都稳扎稳打考 80 分的“稳健型选手”，也可能是一个平时考 100 分、偶尔因为生病或心情不好考 20 分的“过山车型选手”。
本文的研究目标： 我们不只想知道这个人的“平均压力水平”，我们更想知道他的**“压力节奏”**。是每天都淡淡的忧虑？还是像过山车一样，一会儿极度焦虑，一会儿又完全放松？

在心理学研究中，这种实时记录心情的方法叫 EMA（生态瞬时评估）。人们通过手机 App 随时记录自己的压力。过去的研究往往把这些数据一平均，就丢掉了最珍贵的“动态变化”信息。

2. 创新方法：给“心情轨迹”画素描

作者们觉得，直接处理成千上万条心情记录太乱了，于是他们借用了生物学家研究 DNA 序列的方法，发明了一套“心情素描”技术：

提取特征（画素描）： 他们不只是记录压力值，还记录了“变化的速度”。比如：压力是突然暴涨的？还是缓慢爬升的？心情是稳如泰山的，还是变幻莫测的？
降维压缩（精简版素描）： 就像把一张复杂的风景照片压缩成一张线条简洁的素描，他们用一种叫 PCA（主成分分析） 的数学工具，把复杂的动态变化浓缩成几个关键的“性格标签”。
自动分类（物种分类）： 最后，他们用 K-means 聚类 算法，把拥有相似“心情素描”的人自动归为一类。

3. 实验结果：发现了三种“压力人格”

通过对大量真实数据的分析，研究者成功地把人群分成了三类“压力人格”：

第一类：【情绪稳定派】
- 特征： 压力水平一直很低，而且非常稳定，几乎不怎么波动。
- 比喻： 就像平静的湖面，偶尔起一点小涟漪，但始终很安静。
第二类：【过山车派】
- 特征： 压力水平高，而且变动极大，一会儿极度焦虑，一会儿又变了样。
- 比喻： 就像狂风暴雨中的大海，波涛汹涌，让人捉摸不透。
第三类：【间歇波动派】
- 特征： 压力水平中等，虽然比第一类活跃，但比第二类要温和一些。
- 比喻： 就像有季节交替的小溪，会有起伏，但整体还在可控范围内。

4. 为什么要这么做？（最终目的）

研究者发现，“你是哪种压力人格”比“你的平均压力是多少”更能预测你的大脑表现（记忆力）。

如果你属于那种“过山车型”的高压力人群，你的记忆力受到的冲击可能比单纯的“高平均压力”人群要大得多。

总结

这篇文章告诉我们：理解一个人，不能只看他的“平均状态”，更要看他“变化的节奏”。 通过这种新的数学方法，科学家可以更精准地识别出哪些人是心理健康的“稳健派”，哪些人是需要重点关注的“过山车派”，从而为心理健康干预提供更科学的依据。

这是一篇关于利用序列分析（Sequence Analysis）方法对生态瞬时评估（EMA）中的序数数据进行聚类分析的统计学研究论文。以下是该论文的技术总结：

1. 研究问题 (Problem)

在心理学和行为科学研究中，**生态瞬时评估（EMA）**技术通过移动设备实时收集受试者的行为和情绪数据。这些数据具有以下特点：

高频纵向性：同一受试者在研究期间有大量重复观测。
序数/分类特征：数据通常是李克特量表（如1-5分）等序数变量。
非均衡性：不同受试者的样本量（观测次数）和采样频率差异巨大。
信息丢失：传统研究常使用“平均值”等简化指标来代表个体特征，但这会丢失重要的动态时间模式（例如：是持续高压，还是波动剧烈？）。

核心挑战：如何有效地识别具有相似时间演变模式的潜在个体群体（Latent Groups），并利用这些模式预测下游的健康或认知结果？

2. 研究方法 (Methodology)

作者提出了一种结合序列分析（Sequence Analysis, SA）、**主成分分析（PCA）**和 K-means 聚类的新框架。

A. 特征提取 (Feature Engineering)

为了捕捉时间动态，作者不仅计算了均值，还借鉴了生物序列分析的思想，引入了滞后变量（Lag variable） $L_{it} = X_{it} - X_{i(t-1)}$ ，并提取了以下 8 个关键统计量作为个体的特征向量：

均值 ( $\bar{X}_{i\cdot}$ )：整体压力水平。
标准差 ( $SD(X_{i\cdot})$ )：压力水平的波动性。
平均滞后 ( $\bar{L}_{i\cdot}$ )：相邻时间点变化的平均幅度。
滞后标准差 ( $SD(L_{i\cdot})$ )：变化幅度的波动性。
稳定性指标 ( $P(L_{it}=0)$ )：压力状态保持不变的比例。
众数 (Mode)：最常出现的压力等级。
众数概率 ( $P(Mode_i = X_{it})$ )：压力状态集中在众数的程度。

B. 降维与聚类 (Dimensionality Reduction & Clustering)

PCA：由于上述统计量之间存在高度共线性（Multicollinearity），直接使用会导致回归模型不稳定。作者使用 PCA 将高维特征降维。
K-means：在 PCA 降维后的空间内进行聚类，识别潜在的压力模式组。

C. 验证与对比

模拟实验：使用分类泛函回归模型生成数据，对比了三种方法：
1. LCA (潜在类别分析)：假设观测值在给定类别下条件独立。
2. LTA (潜在转换分析)：假设个体在不同状态间进行马尔可夫转移。
3. 本文方法 (PCA + K-means)。
真实数据应用：利用 MyBPLab 数据集，研究不同压力模式对认知记忆表现的影响，并使用广义线性混合模型 (GLMM) 进行评估。

3. 主要贡献 (Key Contributions)

方法论创新：提出了一种处理高频、非均衡、序数纵向数据的稳健框架，克服了传统 LCA/LTA 在处理大量时间点和变长序列时的计算困难和识别问题。
解决共线性问题：通过 PCA 降维，有效地解决了序列统计量之间高度相关导致的统计推断不稳定问题。
理论验证：通过聚类结果，为压力科学中的两种竞争理论——**CATS（认知激活理论，倾向于低压稳定）**与 **GUTS（广义不安全理论，倾向于中高压默认状态）**提供了实证观察的视角。

4. 研究结果 (Results)

模拟实验结论：在不同设置下（包括噪声环境和类别重叠环境），PCA + K-means 方法表现最为稳定。LCA 在处理具有时间依赖性的数据（如循环模式）时表现较差，而 LTA 在处理类别重叠时准确率较低。
真实数据聚类特征：识别出三个明显的压力模式组：
- Cluster 1 (低压稳定型)：均值压力最低，稳定性最高（约88%的时间无变化）。
- Cluster 2 (高压波动型)：均值压力最高，波动性最剧烈，状态转换频繁。
- Cluster 3 (中压过渡型)：压力水平和波动性介于两者之间。
认知预测能力：结果显示，基于聚类的模型 (Model 2) 比仅使用平均值的模型 (Model 0) 具有更低的 AIC 值，证明了捕捉时间动态模式对于理解压力如何影响认知功能具有重要价值。

5. 研究意义 (Significance)

该研究为 EMA 数据分析提供了一种易于实现且计算高效的工具。它不仅能够帮助研究人员从海量的实时监测数据中提取有意义的个体特征，还能通过识别“压力类型”而非仅仅是“压力水平”，为精准医疗、心理干预以及理解压力对大脑功能的影响提供更细致的科学依据。