泊松近似似然与时空流行病模型中的块粒子滤波器
统计方法学
2025-07-15 v1
摘要
用于高维非高斯部分观测随机过程的滤波算法可提供似然函数的访问，从而支持此方法学上具有挑战性的模型进行似然比例或贝叶斯推断。白house 等人（2023）引入了一种新型泊松近似似然（PAL）滤波器。PAL 采用泊松近似来近似条件密度函数，为特定子集的部分观测马尔可夫过程模型提供快速似然函数近似。PAL 在针对流行病学 metapopulation 模型上的演示，具体为针对城市之间疾病传播的时空模型。表面看时，白house 等人（2023）的表 3 表明 PAL 在此类分析中显著优于先前方法以及 ARMA 基准模型。我们指出 PAL 并不优于块粒子滤�器，且 PAL 的前瞻组件实现方式引入了对对数似然估计的显著正偏差。因此，白house 等人（2023）的表 3 结果并不准确反映 PAL 的真实能力。
引用
@article{arxiv.2507.09121,
title = {Poisson Approximate Likelihood versus the block particle filter for a spatiotemporal measles model},
author = {Kunyang He and Yize Hao and Edward L. Ionides},
journal= {arXiv preprint arXiv:2507.09121},
year = {2025}
}