kDGLM：用于广义动态线性模型贝叶斯分析的 R 软件包
统计方法学
2024-03-21 v1 统计计算
摘要
本文介绍了 kDGLM，这是一个用于广义动态线性模型 (Generalized Dynamic Linear Models, GDLM) 的贝叶斯分析 R 软件包，主要关注单变量和多变量指数族。强调对时间序列数据进行顺序推断，kDGLM 软件包提供了对拟合、平滑、监控和事前干预的全面支持。kDGLM 所采用的方法，如 Alves 等人 (2024) 提出，无缝整合了文献中已 established 技术，特别是 (高斯) 动态模型中使用的方法，包括贴现策略、自回归组件、传递函数等。利用卡尔曼滤波和平滑的关键属性，kDGLM 在计算效率方面表现突出，几乎实现了随时间序列长度线性扩展的瞬时拟合时间。这一特征使其成为分析长时间序列的强大工具。例如，在对巴西 2010 年至 2022 年因胃肠炎引起的住院数据进行建模时，拟合过程仅耗时 0.11 秒。即使在空间-时间变体模型中（27 个结果、110 个潜在状态和 156 个月，总计 17,160 个参数），拟合时间也仅为 4.24 秒。目前，kDGLM 软件包支持多种分布，包括单变量正态分布（未知均值和观测方差）、双变量正态分布（未知均值、观测方差和相关性）、泊松分布、伽马分布（已知形状参数和未知均值）以及多项分布（已知试验次数和未知事件概率）。此外，kDGLM 允许对多个时间序列进行联合建模，前提是每个序列都遵循其中一种支持的分布。ongoing efforts aim to continuously expand the supported distributions。
引用
@article{arxiv.2403.13069,
title = {kDGLM: a R package for Bayesian analysis of Generalized Dynamic Linear Models},
author = {Silvaneo V. dos Santos and Mariane Branco Alves and Helio S. Migon},
journal= {arXiv preprint arXiv:2403.13069},
year = {2024}
}