美国县级 COVID-19 活动的高分辨率时空模型
应用统计
2021-08-24 v4 物理与社会
摘要
我们提出一个可解释的高分辨率时空模型，用于估计美国县级、按周聚合、较当前时间提前一周的 COVID-19 死亡数与确诊数。我们时空模型的一个显著特征是它考虑了 (a) 两个局部时间序列（COVID-19 确诊数与死亡数）的时间自相关与两两相关，(b) 位置间动态（县际传播），以及 (c) 如本地社区内流动与社会人口统计学因素等协变量。社区内流动与人口统计学因素（如总人口与老年人口比例）作为重要预测变量被纳入，因为它们被假设为决定 COVID-19 动态的重要因素。为降低模型的高维性，我们施加稀疏结构作为约束，并强调全国前十大都市区的影响，我们在模型中称其为（并作为）传播疾病的枢纽。我们的回顾性样本外县级预测能够准确预报随后观测到的 COVID-19 活动。所提出的多变量预测模型被设计为高度可解释，清晰识别并量化了决定 COVID-19 动态的最重要因素。正在进行的工作包括纳入更多协变量（如教育与收入），以提升预测精度与模型可解释性。
引用
@article{arxiv.2009.07356,
title = {High-resolution Spatio-temporal Model for County-level COVID-19 Activity in the U.S},
author = {Shixiang Zhu and Alexander Bukharin and Liyan Xie and Mauricio Santillana and Shihao Yang and Yao Xie},
journal= {arXiv preprint arXiv:2009.07356},
year = {2021}
}