自回归模型下误差污染时间序列数据的敏感性分析及其在 COVID-19 数据中的应用
统计方法学
2022-03-11 v1 应用统计
摘要
自回归（AR）模型是时间序列分析中的有用工具。当存在测量误差时，此类模型下的推断会发生扭曲，而测量误差在实践中非常普遍。本文中，我们建立了若忽略测量误差影响时量化 AR 模型参数估计偏差的解析结果。我们提出两种测量误差模型以描述不同的数据污染过程。提出了一种估计方程方法，用于在计入测量误差影响的情况下估计模型参数。我们进一步讨论了利用所提方法进行预测。我们的工作受 COVID-19 数据启发，由于包括无症状病例和不同潜伏期在内的多种原因，这些数据受到误差污染。我们通过针对加拿大人口最多的四个省对 COVID-19 死亡率随时间变化进行敏感性分析和预测，实施了所提方法。结果表明，计入或不计入测量误差影响对参数估计和预测得出相当不同的结果。
引用
@article{arxiv.2008.05649,
title = {Sensitivity Analysis of Error-Contaminated Time Series Data under Autoregressive Models with Application of COVID-19 Data},
author = {Qihuang Zhang and Grace Y. Yi},
journal= {arXiv preprint arXiv:2008.05649},
year = {2022}
}