用广义加性模型捕捉加拿大 COVID-19 的死亡率
应用统计
2020-08-04 v1 物理与社会
种群与进化
摘要
为在缺乏直接基于统计的感染率测量的情形下捕捉加拿大 COVID-19 的死亡率以及强烈的周、双周并可能月的规律，我们利用广义加性模型。通过考察加拿大总体以及尤其是魁北克、安大略和阿尔伯塔的死亡率，可轻易发现相对于 Poisson 分布存在显著过离散，因而负二项分布是合适的分析选择。广义加性模型（GAMs）是数据分析的主要建模工具之一。GAMs 能在回归模型的线性预测子中高效结合不同类型的固定项、随机项与平滑项，以解释不同类型效应。GAMs 是广义线性模型（GLMs）的半参数推广，常用于无先验理由选择特定响应函数（如线性、二次等）且需要数据‘自己说话’的情形。GAMs 通过平滑函数实现这一点：将模型中每个预测变量分离为由‘节点’界定的区段，再分别对各区段拟合多项式函数，并约束在节点处无连接——各分段函数的二阶导数在节点处相等。
引用
@article{arxiv.2008.01030,
title = {Generalized additive models to capture the death rates in Canada COVID-19},
author = {Farzali Izadi},
journal= {arXiv preprint arXiv:2008.01030},
year = {2020}
}
备注
19 pages