R 包中用于计数数据的时空模型综述：以 COVID-19 数据为例
应用统计
2021-04-16 v2
摘要
计数数据的时空模型在广泛的科学领域中都有需求，并且由于能够分析 COVID-19 相关数据，如今变得尤为关键。当关注变量仅取非负整数值且这些整数源于计数事件时，就需要计数数据模型。目前已有若干 R 包可用于处理时空面域计数数据。每个包侧重于不同的模型和/或统计方法。遗憾的是，由于符号与方法的差异，这些模型所产生的结果很少具有可比性。本文的主要目标是呈现一篇综述，描述在科学兴趣同时涉及空间与时间行为时可用于建模和分析计数数据的最重要方法，并在同一数据集下监测其表现。本综述聚焦于可用于此目的的三个 R 包，所评估的不同模型代表了分析时空计数数据两种最普遍的方法：经典方法（基于惩罚似然或估计方程）与贝叶斯观点。我们分析了一个案例研究以阐释这些不同方法。在该案例研究中，这些包被用于建模并预测西班牙瓦伦西亚自治区内 24 个卫生区域的 COVID-19 每日住院人数，数据对应 2020 年 6 月 28 日至 12 月 13 日时段。由于当前对 COVID-19 大流行中数据监测与预测的迫切需求，该案例研究本身具有重要意义，并可视为本工作的次要目标。在后者中已获得令人满意且具前景的结果。
引用
@article{arxiv.2103.04697,
title = {A Review of Spatiotemporal Models for Count Data in R Packages. A Case Study of COVID-19 Data},
author = {María Victoria Ibáñez and Marina Martínez-Garcia and Amelia Simó},
journal= {arXiv preprint arXiv:2103.04697},
year = {2021}
}