多函数型时间序列的聚类与预测
统计方法学
2022-01-05 v1 应用统计
摘要
对多个国家同质化的分年龄死亡率进行建模与预测可改善长期预测。联合模型输入的数据常按地理区域、族群与社会经济地位等名义属性分组，其中仍可能包含异质性并恶化预测结果。本文提出一种基于函数型面板数据建模的新聚类技术，以在多函数型时间序列中追求同质性来解决该问题。利用带固定效应的函数型面板数据模型，我们可提取公共函数型时间序列特征。这些公共特征可分解为两部分：函数型时间趋势与函数变动模式（函数型形态）。函数型时间趋势反映跨时间的动态，而函数型形态捕捉曲线内的波动。所提聚类方法通过同时考虑曲线间的变动模式与时间动态，搜寻多个国家的同质化分年龄死亡率。我们通过蒙特卡洛模拟证明所提聚类技术优于其他现有方法，并能处理特征值缓慢衰减的复杂情形。在实证数据分析中，我们发现分年龄死亡率的聚类结果可由地理区域、族群与社会经济地位的组合解释。我们进一步表明，在分年龄死亡率预测中，我们的模型比若干基准方法产生更精确的预测。
引用
@article{arxiv.2201.01024,
title = {Clustering and Forecasting Multiple Functional Time Series},
author = {Chen Tang and Han Lin Shang and Yanrong Yang},
journal= {arXiv preprint arXiv:2201.01024},
year = {2022}
}