我得到一个时间序列数据向量（按月和年排序），它只包含0s 和1s。1s 代表一个人在某个月换工作。
问题：我可以使用什么模型来确定这个人换工作的频率？此外，这个模型应该能够预测这个人在未来 6 个月内改变他的概率。
泊松过程？（我之前研究过泊松过程，但是我不知道何时以及如何应用它）。在应用泊松过程之前数据需要满足的任何假设？
很想收集更多关于如何建模这样的东西的信息。谢谢
给定时间序列数据，如何建模某人换工作的频率？
数据挖掘
数据挖掘
时间序列
2022-03-05 11:06:34
2个回答
一个简单且可能有点幼稚的方法是假设一个人以恒定的速度换工作，并且以前的工作变化对未来的工作没有影响。在这些假设下，您可以将工作更改建模为泊松过程，并使用 MLE（http://en.wikipedia.org/wiki/Poisson_process和http://en.wikipedia.org/wiki/Poisson_distribution）估计速率参数。
当然，人们应该探索这些假设在数据中的适用程度。为此，您可以通过计算各种滞后事件之间的相关性来研究工作变化是否相互独立（http://en.wikipedia.org/wiki/Correlation）。您还可以绘制工作变更事件之间的时间分布。如果这个过程是类泊松的，那么你应该观察到任何数量的滞后事件之间几乎没有相关性，并且工作变更事件之间的时间分布应该呈指数分布（http://en.wikipedia.org/wiki/Exponential_distribution） .
看看R包tscount。前 13 页非常理论化，因此请跳至示例：https ://goo.gl/D7hZPH