探索空间广义泛函线性模型：比较模拟研究与 COVID-19 分析
统计方法学
2024-12-24 v3
摘要
带有泛函协变量的空间广义线性模型的实现可以通过使用协变量过程的截断基展开来完成。在实践中，必须选择一个截断水平。我们比较了五种选择适当截断水平的标准，包括基于对数复合似然的 AIC 和 BIC、解释方差分数标准、拟合均方误差以及带有一个标准误差规则的预测误差。基于广泛的模拟研究，我们提出 BIC 构成了在空间泛函广义线性模型中选择截断水平的合理默认标准。此外，我们证明了当数据包含空间结构且响应变量实际上受到泛函协变量过程影响时，带有泛函协变量的空间模型优于其他模型。我们将空间泛函广义线性模型应用于一个问题，其目标是将美国中西部各州县的 COVID-19 疫苗接种率与这些相同地理区域前几周的新增病例数联系起来。
引用
@article{arxiv.2403.03389,
title = {Exploring Spatial Generalized Functional Linear Models: A Comparative Simulation Study and Analysis of COVID-19},
author = {Sooran Kim and Mark S. Kaiser and Xiongtao Dai},
journal= {arXiv preprint arXiv:2403.03389},
year = {2024}
}
备注
Please see: Generalized linear models with spatial dependence and a functional covariate (arXiv:2402.13472)