用非参数自激点过程估计过量的 COVID-19 感染
应用统计
2022-04-29 v1
摘要
COVID-19 大流行促使大量刻画疾病暴发特征的统计模型与方法的发展。在这方面受到关注的一类模型是使用自激点过程，其中感染既“随机”发生，也通过人际传播更系统地发生。除对整体 COVID-19 暴发的建模外，该大流行还推动了评估各类政策决策与事件结果的研究。本文所探讨的一个此类研究领域涉及制定衡量大型活动或人员聚集在举办地局部区域所产生影响的方法。我们提出了一种替代传统因果推断方法的方法，并将其应用于评估时任总统 Donald Trump 连任竞选集会在其举办地区对 COVID-19 感染的影响。通过对非参数自激点过程模型进行若干改造，我们估计了由集会带来的过量 COVID-19 感染数以及这些过量感染持续的时长。
引用
@article{arxiv.2204.13266,
title = {Estimating Excess COVID-19 Infections with Nonparametric Self-Exciting Point Processes},
author = {Peter Boyd and James Molyneux},
journal= {arXiv preprint arXiv:2204.13266},
year = {2022}
}