论 Covid-19 数据的内在维度：一个全球视角
应用统计
2022-03-09 v1 统计计算
机器学习
摘要
本文旨在从全球视角刻画 Covid-19 病例和死亡的标准化人均增长率与 OxCGRT Covid-19 严格指数（描述一国封锁政策严格程度的度量）之间关系的复杂性。为实现目标，我们使用一种实现为贝叶斯混合模型的异质内在维度估计器，称为 Hidalgo。我们识别出 Covid-19 数据集可在无显著信息损失的情况下投影到两个低维流形上。低维度表明在 2020–2021 年间，一国病例和死亡人均标准化增长率与 OxCGRT Covid-19 严格指数之间存在强依赖。鉴于低维结构，用少量参数对可观测的 Covid-19 动态建模或是可行的。重要的是，我们识别出全球内在维度分布中的空间自相关。此外，我们强调高收入国家更可能位于低维流形上，这可能源于老龄化人口、合并症以及 Covid-19 人均死亡负担的增加。最后，我们对数据集进行时间分层，以在更细粒度上考察整个 Covid-19 大流行期间的内在维度。
引用
@article{arxiv.2203.04165,
title = {On the intrinsic dimensionality of Covid-19 data: a global perspective},
author = {Abhishek Varghese and Edgar Santos-Fernandez and Francesco Denti and Antonietta Mira and Kerrie Mengersen},
journal= {arXiv preprint arXiv:2203.04165},
year = {2022}
}