时间序列回归模型中响应的聚合及其在天气相关心血管死亡中的应用
应用统计
2018-02-23 v1
摘要
在环境流行病学研究中，健康响应数据（如住院或死亡）常因医院组织及其他社会因素而含有噪声。数据中的噪声会掩盖与暴露相关的真实信号。通过对健康数据进行时间聚合并将其用作回归分析中的响应，可揭示该信号。基于聚合序列，我们引入了一种通用方法，以在回归设定中考虑聚合响应的特殊性。该方法可与天气相关健康研究中通常应用的回归模型（如广义加性模型（GAM）和分布滞后非线性模型（DLNM））结合使用。特别地，残差使用自回归移动平均（ARMA）模型建模，以考虑时间依赖性。所提方法通过建模加拿大温度对心血管死亡的影响加以说明。我们提供了与经典DLNM的对比，并比较了若干聚合方法。结果表明，当响应被聚合时拟合质量有所提升，且估计的关系比经典DLNM更关注多日累积的结果。更确切地说，在所考察的多种聚合方案中，发现采用非对称Epanechnikov核的聚合更适于研究温度-死亡关系。
引用
@article{arxiv.1802.07762,
title = {Aggregating the response in time series regression models, applied to weather-related cardiovascular mortality},
author = {Pierre Masselot and Fateh Chebana and Diane Bélanger and André St-Hilaire and Belkacem Abdous and Pierre Gosselin and Taha B. M. J. Ouarda},
journal= {arXiv preprint arXiv:1802.07762},
year = {2018}
}