通过分段函数分类分析（SFCA）从替代数据估算睡眠与工作小时数
应用统计
2020-10-19 v1 机器学习
计量经济学
统计方法学
摘要
替代数据正日益被用于预测人类与经济行为。本文将互联网重新概念化为全球规模的数据驱动洞察平台，从而引入一种新型替代数据。利用从超过1.5万亿次终端用户互联网连接观测中绘制的独特互联网活动与位置数据集，我们构建了一个覆盖1600多个城市、跨度7年且时间分辨率仅15分钟的函数型数据集。为从该数据集中预测睡眠与工作活动的准确时间模式，我们开发了一种新技术——分段函数分类分析（Segmented Functional Classification Analysis, SFCA），并将其性能与广泛的线性、函数型及分类方法进行比较。为确认SFCA更广泛的适用性，在第二个应用中我们使用SFCA从美国城市级电力需求函数型数据预测睡眠与工作活动。在这两个问题上，SFCA均被证明优于现有方法。
引用
@article{arxiv.2010.08102,
title = {Estimating Sleep & Work Hours from Alternative Data by Segmented Functional Classification Analysis (SFCA)},
author = {Klaus Ackermann and Simon D. Angus and Paul A. Raschky},
journal= {arXiv preprint arXiv:2010.08102},
year = {2020}
}