利用具有时间依赖性的回归模型预测季节性流感传播
统计方法学
2016-10-28 v1 应用统计
摘要
本文利用西班牙加利西亚地区的气象信息，提出了一种预测流感发病率的新方法。我们的方法将广义最小二乘（GLS）方法扩展至具有相关误差的多元函数回归模型框架中。模拟研究表明，GLS 估计量能够提供更优的回归模型参数估计，并在预测方面取得极佳的效果，从而改进了经典的线性方法。本文提出了一种 GLS 估计量的迭代版本（称为 iGLS），有助于建模复杂的依赖结构；利用距离相关度量 筛选预测流感率的相关信息；并将 GLS 过程应用于利用现成函数变量预测流感率。此类模型对于卫生管理者在流行病爆发前提前分配资源极具价值。
引用
@article{arxiv.1610.08718,
title = {Predicting seasonal influenza transmission using Regression Models with Temporal Dependence},
author = {Manuel Oviedo de la Fuente and Manuel Febrero Bande and María Pilar Muñoz and Àngela Domínguez},
journal= {arXiv preprint arXiv:1610.08718},
year = {2016}
}
备注
25 pages, 2 figures, 10 tables, R code in fda.usc package