摘要
识别自报压力与被动感知行为指标的时序变化，对于探究心理健康研究中的纵向模式具有重要意义。传统的变点检测方法通常只返回孤立的变点，而建立压力与被动感知变量之间关系的方法可能需要显式的函数假设。这些特征使得跨配对序列识别潜在的非同步分布变化变得复杂。我们提出了一种热点检测框架，其中热点是指自报压力与被动感知指标的统计特征变化可能在相同或相近时间发生的候选时间区域。我们扩展了移动求和方法来检测序列内部和序列之间的变化，并使用阈值规则和自举置信区间规则构建热点。该方法不要求序列之间存在特定的函数关系，并将变化概括为区间而非孤立的时间点。模拟研究表明，所提出的程序实现了具有竞争力的检测率，其性能取决于窗口大小和变化数量。两种热点规则在保留真实变化位置和构建局部化区间之间表现出权衡关系。我们进一步利用ALACRITY第一阶段研究的四名参与者说明了该方法的应用，其中所提出的程序识别出了每日自报压力变化与智能手机衍生行为指标变化之间潜在时序一致性候选区域。
