高维面状数据的多变量时空模型及其在纵向雇主-家庭动态中的应用
统计方法学
2016-02-01 v2
摘要
许多数据源报告了相关的感兴趣变量，这些变量还参考了地理区域和时间；然而，相对很少有通用的统计方法可以轻易地使用并纳入这些多变量时空依赖关系。此外，许多多变量时空面状数据集合维度极高，这在构建统计模型时导致实际问题。例如，我们分析美国人口普查局纵向雇主-家庭动态(LEHD)项目发布的季度劳动力指标(QWI)。QWI按不同变量、地区和时间点提供，产生数百万个表格。尽管它们已有广泛的覆盖，通过采用完全贝叶斯框架，QWI的范围可以扩展，以提供缺失值的估计及相关的不确定性度量。受LEHD及联邦统计中其他应用的启发，我们引入了多变量时空混合效应模型(MSTM)，可用于高效建模高维多变量时空面状数据集。所提出的MSTM将Moran's I基函数的概念扩展到多变量时空设置。这一扩展带来了若干方法学贡献，包括极有效的降维、多变量时空面状过程的动态线性模型，以及使用新颖参数模型缩减高维参数空间。
引用
@article{arxiv.1503.00982,
title = {Multivariate spatio-temporal models for high-dimensional areal data with application to Longitudinal Employer-Household Dynamics},
author = {Jonathan R. Bradley and Scott H. Holan and Christopher K. Wikle},
journal= {arXiv preprint arXiv:1503.00982},
year = {2016}
}
备注
Published at http://dx.doi.org/10.1214/15-AOAS862 in the Annals of Applied Statistics (http://www.imstat.org/aoas/) by the Institute of Mathematical Statistics (http://www.imstat.org). arXiv admin note: substantial text overlap with arXiv:1407.7479