📊 statistics

Matrix Decomposition Latent Growth Model Tree

本文介绍了矩阵分解潜在增长模型树（MDLGM Tree），这是一种利用矩阵分解因子分析的新型方法，与传统的结构方程模型（SEM）树在分析纵向数据时相比，能够显著减少不恰当解并降低计算成本。

原作者： Naoya Todo (Tokyo Metropolitan University), Naoto Yamashita (Kansai University), Satoshi Usami (The University of Tokyo)

发布于 2026-08-05

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Naoya Todo (Tokyo Metropolitan University), Naoto Yamashita (Kansai University), Satoshi Usami (The University of Tokyo)

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

想象一下你是一名正在试图解开“人们如何随时间变化”这一谜题的侦探。在心理学和行为科学领域，研究人员经常观察“纵向数据”（longitudinal data），这只是一个高级说法，意思就是他们反复追踪同一组人——就像每周给一株植物拍一张照片，以观察它的生长情况。为了理解这些变化的模式，科学家们使用了一种名为**潜在增长模型（Latent Growth Model, LGM）**的工具。你可以把 LGM 想象成一把灵活的尺子，它能在杂乱的点云中画出一条平滑的曲线，以展示平均增长路径，同时测量每个个体相对于平均路径的波动程度。

但转折点在于，并非所有人的成长方式都相同。有些孩子可能起初学习数学很快，然后速度放缓；而另一些人可能起初很慢，后来却突飞猛进。如果你试图强行将所有人塞进同一个“平均”故事里，你就会错过真实的差异。为了解决这个问题，研究人员使用了一种名为**结构方程模型树（Structural Equation Model Tree, SEM Tree）**的技术。想象一下这是一个巨大的数字决策树。它会提出问题，比如：“你的家庭收入高吗？”或者“你是男孩还是女孩？”然后根据答案将人群拆分为更小的分支。每个分支都有自己独特的发展故事。这对于发现隐藏的子群体极其有用，但问题在于，当前版本的这个数字树非常笨重且笨拙。构建它需要巨大的计算能力，而且它经常会“绊倒自己的脚”，产生“不恰当解”（improper solutions）——即数学错误，导致计算机计算出不可能的结果，比如负数的增长量或一张破碎的地图。

这正是 Naoya Todo 及其团队开展的新研究介入的地方。他们发明了一个更轻量、更快且更可靠的版本，叫做矩阵分解潜在增长模型树（Matrix Decomposition Latent Growth Model Tree, MDLGM Tree）。与其使用会导致计算机出错的传统沉重数学方法，他们使用了一种巧妙的技巧，称为矩阵分解因子分析（Matrix Decomposition Factor Analysis, MDFA）。你可以把 MDFA 想象成另一种解谜方式。旧的方法试图通过不断猜测和检查，直到拼图看起来完美为止（这往往会导致错误）；而新方法则是将图片分解为最基本的构建模块（比如将颜色与形状分离），然后通过一个数学上保证拼图块能完美契合而不损坏的过程进行重构。

在一系列计算机模拟实验中，作者将这种新树与旧树进行了对比测试。他们发现 MDLGM Tree 是一个改变游戏规则的存在，其速度极快；在某些情况下，尤其是追踪多个时间点（例如 10 次测量）时，它比传统方法快了 10 倍以上。更重要的是，它几乎完全消除了那些令人沮丧的“不恰当解”问题（即数学崩溃的情况）。旧的树经常产生错误（在一些困难案例中错误率有时超过 50%），而新树则保持了稳定性。研究还表明，当新树找到解时，其结果与旧方法几乎完全一致，这意味着它并没有为了速度而牺牲准确性。作者指出，这种新工具可以帮助研究人员更轻松地分析复杂的增长数据，尽管他们也提到，要让该软件面向大众使用，并将其应用于更复杂的增长模式，仍需开展更多工作。

技术摘要：矩阵分解潜增长模型树 (Matrix Decomposition Latent Growth Model Tree)

问题陈述
潜增长模型 (LGMs) 是分析纵向数据中个体变化轨迹和群体差异的标准工具。当总体具有异质性时，结构方程模型树 (SEM Trees) 提供了一种解决方案，通过基于外部协变量对样本进行递归划分，以识别具有不同增长参数的子群体。然而，目前的 SEM Tree 实现面临两个显著的实际障碍：

计算成本： 在每个候选分裂点通过极大似然法 (ML) 估计模板模型 (LGM) 的计算量巨大，尤其是在数据集较大或时间点较多时。
不恰当解 (Improper Solutions)： 当模型设定错误或节点内样本量有限时，ML 估计经常产生不恰当的解（例如，负残差方差、非正定协方差矩阵）。现有的软件程序（如 semtree、MplusTrees）通常缺乏稳健的内置机制，无法仅基于不恰当解的出现而自动排除节点，这可能导致不稳定的树结构或有偏的参数估计。

方法论
作者提出了矩阵分解潜增长模型树 (MDLGM Tree)，这是一种新型的递归划分方法，它使用矩阵分解因子分析 (MDFA) 方法取代了标准的基于 ML 的 LGM 估计。

MDLGM 公式化： 该方法将 MDFA 扩展到 LGM 背景下，能够处理均值结构和因子协方差。与在协方差空间内最小化基于似然函数的损失函数的标准 SEM 不同，MDLGM 将因子得分和唯一方差视为固定参数，并在数据空间内最小化基于 Frobenius 范数的最小二乘准则。
- 线性与二次 LGM 被重新表述为验证性因子分析模型，其中因子载荷是固定的（例如，线性模型为 $1, t-1$ ；二次模型为 $1, t-1, (t-1)^2$ ）。
- 估计过程涉及一个迭代特征值分解算法。至关重要的是，唯一方差的估计值是通过涉及特征向量的矩阵乘积的对角线导出的，这在理论上防止了迭代更新过程中的负方差估计。
- 为了处理局部最优问题，该算法采用了多次随机启动，并选择损失函数最小的解。
树构建算法：
- 分裂准则： MDLGM Tree 不依赖于（需要分布假设的）对数似然或偏差变化，而是使用观测数据与模型隐含值之间的平方马哈拉诺比斯距离 (squared Mahalanobis distance) 作为分裂准则。
- 流程： 对于父节点，通过 MDLGM 拟合模板模型。然后，在协变量的潜在切分点处对数据进行分裂。计算所得子节点的马哈拉诺比斯距离之和。选择使距离减少量最大（受复杂度参数 $cp$ 限制）的分裂点。
- 不恰当解处理： 由于基于 MDFA 的估计本质上避免了负方差估计，该算法自然地减轻了通常会中断或不稳定 ML 型树构建的不恰当解现象。

核心贡献

算法创新： 开发了 MDLGM，它通过适配矩阵分解技术来估计包括均值和协方差在内的 LGM 参数，将 MDFA 的应用范围从标准因子分析扩展到了 LGM。
与决策树的集成： 创建了 MDLGM Tree，它将这种估计方法与递归划分相结合，提供了一种计算高效的 SEM Tree 替代方案。
稳健性： 该方法提供了一种机制，可以显著降低出现不恰当解（负方差、奇异矩阵）的风险，而无需额外的约束或复杂的贝叶斯先验。

结果
一系列模拟研究将 MDLGM Tree（两种变体：马哈拉诺比斯距离分裂和基于偏差的分裂）与四种 SEM Tree 变体（ML、约束 ML、贝叶斯以及基于警告排除的 ML）在各种条件下（线性与二次模型、正确与误设模型、不同样本量 $N=500, 2000$ 、时间点 $T=5, 10$ 以及分离程度）进行了比较。

计算效率： MDLGM Tree 比所有基于 ML 和贝叶斯的 SEM Tree 方法都显著更快。在时间点较多（ $T=10$ ）的情况下，MDLGM Tree 的平均速度比其他方法快 10 倍以上。与其他 SEM Tree 方法不同，其计算时间对样本量或时间点的增加基本不敏感。
不恰当解： MDLGM Tree 产生的几乎没有不恰当解。相比之下，基于 ML 的 SEM Tree 频繁遇到不恰当解（在某些二次模型条件下超过 50%），即使是约束 ML 或基于警告排除的策略也未能完全消除这些问题。贝叶斯 SEM Tree 虽然没有不恰当解，但存在其他问题（见下文）。
节点估计准确性： MDLGM Tree（特别是马哈拉诺比斯距离变体）在所有条件下都能一致且准确地估计真实的终端节点数量。
- 贝叶斯 SEM Trees (SEM Tree3) 在大多数条件下对节点数量的估计表现较差，表明其对先验设定高度敏感。
- ML 类方法在 $T$ 增加时，节点估计的准确性有所下降，这可能是由于模型误设或特定参数配置掩盖了差异，导致难以区分节点。
参数估计： 当节点被正确识别时，来自 MDLGM Tree 的参数估计（均值、方差、协方差）与来自 ML 类方法的参数估计高度相关（相关系数接近 1.0），这表明 MDLGM Tree 在产生与 ML 相似解的同时，避免了其计算和稳定性方面的陷阱。
分类准确性： 当节点被正确识别时，各方法的分类准确性普遍较高。然而，SEM Tree4（根据警告排除分裂的变体）在某些条件下显示出较低的分类准确性，这可能是因为它因为父节点中的不恰当解而避免了对相关协变量进行分裂。

意义与主张
论文声称 MDLGM Tree 是一个有用的基于模型的递归划分方法，用于纵向数据分析。其主要意义在于其能够：

通过避免困扰当前 SEM Tree 实现的不恰当解，更可靠地检测群体差异（在潜在轨迹方面）。
以显著更低的计算成本识别解释这些差异的外部协变量，使得将其应用于更大规模的数据集或更多时间点的模型成为可能。
通过确保每个节点中的底层增长模型得到妥善估计，从而更准确地对个体进行分类。

作者将 MDLGM Tree 定位为不仅是一个独立的工具，也是作为 SEM Trees 旁侧进行敏感性分析的一种潜在手段。作者承认了局限性，指出目前的实现侧重于简单的线性与二次 LGM，未来的工作需要将算法扩展到更复杂的 LGM 规范（例如，自由因子载荷）、研究其理论性质（一致性、有效性），并开发通用软件程序包。论文总结道，通过解决 SEM Trees 的计算与稳定性障碍，MDLGM Tree 有潜力促进纵向 SEM 方法在心理学和行为科学中的更广泛应用。

类似论文