基于机理模型的面板数据分析

面板数据，也称为纵向数据，由一组时间序列组成。每个时间序列本身可以是多变量的，包含在对一个独立单元上所进行的测量序列。机理建模涉及写下科学驱动的方程组，描述在每个单元上产生观测值的动态系统集合。面板系统的一个决定性特征是单元之间的动态相互作用应可忽略。因此，面板模型由一组独立的随机过程组成，通常通过共享参数相连，同时也具有单元特定参数。为了给科学家在模型设定上提供灵活性，我们致力于开发一个允许考虑任意非线性、部分观测面板模型的面板数据推断框架。我们建立在迭代滤波技术之上，该技术为时间序列数据的非线性部分观测马尔可夫过程模型提供基于似然的推断。我们的方法仅通过模拟依赖于潜马尔可夫过程；这种即插即用特性确保了对一大类模型的适用性。我们在一个玩具示例和两项流行病学案例研究中展示了我们的方法。我们解决了由于模型复杂性与数据集规模结合而产生的推断与计算问题。