用函数型数据模型刻画传染病的演化：以巴西COVID-19为例

在本文中，我们应用函数型数据（functional data）的统计方法来解释不同地区 COVID-19 死亡数演化中的异质性。我们将某特定地区的每日累计死亡数视为一条曲线（函数型数据），使得数据由跨地区截面的一组曲线构成。我们首先使用函数型数据聚类方法来识别曲线及其函数导数的潜在异质性。这一阶段是无条件的描述性分析，因为我们未使用任何协变量来估计聚类。估计出的聚类被作为“警戒级别”来分析，以识别可能处于危急状况的城市。在第二也是最后阶段，我们提出一种死亡曲线对若干标量社会经济与人口指标的函数量化回归（functional quantile regression）模型，以考察它们随时间的累计死亡数在不同水平上的函数效应。所提模型相较于基于普通最小二乘的函数回归模型，通过在累计死亡数不同水平上提供更好的曲线拟合，展现出更优的预测能力。