COVID-19 感染曲线的时间序列分析：变点视角
计量经济学
2020-07-10 v1 物理与社会
应用统计
摘要
在本文中，我们通过分段线性趋势模型对 COVID-19 累计确诊病例数和死亡数（对数尺度）的轨迹进行建模。该模型通过变点自然地捕捉了流行病增长率的阶段转变，并因其半参数特性而具有极强的可解释性。在方法论方面，我们将新兴的自归一化（SN）技术（Shao, 2010）推进至非平稳时间序列线性趋势中单变点的检验与估计。我们进一步将基于 SN 的变点检验与 NOT 算法（Baranowski et al., 2019）相结合，以实现多变点估计。利用所提方法，我们分析了 30 个主要国家的累计 COVID-19 病例数和死亡数轨迹，并发现了有趣的特征，这些特征可能对不同国家疫情应对措施的有效性具有相关启示。此外，基于变点检测算法和灵活的外推函数，我们设计了一种简单的两阶段 COVID-19 预测方案，并展示了其在美国累计死亡数预测中的良好性能。
引用
@article{arxiv.2007.04553,
title = {Time Series Analysis of COVID-19 Infection Curve: A Change-Point Perspective},
author = {Feiyu Jiang and Zifeng Zhao and Xiaofeng Shao},
journal= {arXiv preprint arXiv:2007.04553},
year = {2020}
}