交叉滞后面板网络分析

课程简介

交叉滞后面板网络分析（Cross-Lagged Panel Network Analysis, CLPN）是结合了面板数据与网络模型的一种前沿分析方法，适用于研究变量在多个时间点之间的动态相互作用与因果方向。该方法通过构建跨时间点的滞后效应网络，能够识别变量之间的定向影响关系，揭示心理、行为或生理变量随时间演化的内在机制。

适合人群

• 心理学与临床研究者：研究症状演化、干预效果、心理机制的发展路径；
• 公共卫生与医学研究人员：探索疾病症状、健康行为、生物标志物之间的动态关联；
• 社会科学与行为科学家：分析态度、行为、社会变量之间的时序关系；
• 具备基础统计与R语言使用能力的研究者，愿意学习先进建模方法；
• 适合数据：纵向面板数据（Longitudinal Panel Data），至少两个时间点。

学习内容

• 构建交叉滞后网络：在每个时间点内估计条件依赖网络（如GGM或Ising模型），跨时间点估计滞后效应（如T1变量对T2变量的预测关系）；
• 识别定向影响：通过偏回归系数或LASSO正则化估计滞后效应强度，可区分出自回归效应（变量对自身的影响）与交叉滞后效应（变量对他变量的影响）；
• 可视化与解释；
• 与传统CLPM的区别。

资料包含

• 课程回放和PPT；
• R语言代码（可直接运行，含注释）；
• 示例数据集；