机器算法验证 - 两年的数据描述了暴力测试与病房患者数量的关联 - 吾爱随笔录

机器算法验证 r 混合模式自相关面板数据

2022-03-09 04:23:39

我有两年的数据，基本上是这样的：

日期 _ __ 暴力是/否？_ 患者人数

2008 年 1 月 1 日 _ ___ 0 _ _ __ _ ____ 11

2008 年 2 月 1 日_ __ _ 0 _ __ _ __ _ __ 11

2008年 3 月 1 日_ ____ 1 _ _ __ _ ____ 12

2008年 4 月 1 日_ ____ 0 _ _ __ _ ____ 12

...

2009 年 12 月 31 日_ _ __ 0_ _ __ _ __ _ __ 14

即对精神病病房进行两年的观察，每天一次，这表明当天是否发生了暴力事件（1 是，0 否）以及病房的患者人数。我们希望检验的假设是，病房里的更多患者与病房内暴力发生的可能性增加有关。

当然，我们意识到，我们必须适应这样一个事实，即当病房里有更多患者时，暴力更有可能发生，因为他们只是更多——我们感兴趣的是每个人的暴力概率是否会上升病房里的病人比较多。

我看过几篇只使用逻辑回归的论文，但我认为这是错误的，因为存在自回归结构（虽然，看看自相关函数，它不会在任何滞后时超过 0.1，尽管这高于R 为我绘制的“重要”蓝色虚线）。

只是为了让事情变得更复杂，如果我希望将结果分解为单个患者，我可以这样做，所以数据看起来就像上面一样，除了我会有每个患者的数据，2008 年 1 月 1 日，2/ 1/2008 等，ID 代码在侧面，因此数据将分别显示每位患者的整个事件历史（尽管并非所有患者都在场，但不确定这是否重要）。

我想在 R 中使用 lme4 对每个患者的自回归结构进行建模，但是一些谷歌搜索提出了“lme4 未设置为处理自回归结构”的引用。即使是这样，我也不确定我是否掌握了如何编写代码。

以防万一有人注意到，我刚才问了一个这样的问题，它们是具有不同问题的不同数据集，尽管实际上解决这个问题将有助于解决这个问题（有人建议我以前使用混合方法，但这个自回归的事情让我不确定如何执行此操作）。

所以说实话，我有点卡住了，迷路了。任何帮助都感激不尽！

1个回答

这是一个将您的二元因变量连接到一个连续的、未观察到的变量的想法；一种可以让您利用时间序列模型的功能来处理连续变量的连接。

定义：

$V_{w,t} = 1$ 如果病房发生暴力事件 $w$ 在时间段内 $t$ 否则为 0

$P_{w,t}$ : 病房暴力倾向 $w$ 有时 $t$ .

$P_{w,t}$ 被假定为一个连续变量，在某种意义上代表了囚犯“压抑”的感情，这些感情有时会沸腾并导致暴力。根据这个推理，我们有：

$V_{w,t} = \begin{cases} 1 & \mbox{if } P_{w,t} \ge \tau \\ 0 & \mbox{otherwise} \end{cases}$

在哪里，

$\tau$ 是触发暴力行为的未观察到的阈值。

然后，您可以使用时间序列模型 $P_{w,t}$ 并估计相关参数。例如，您可以建模 $P_{w,t}$ 作为：

$P_{w,t} = \alpha_0 + \alpha_1 P_{w,t-1} + ... + \alpha_p P_{w,t-p}+ \beta n_{w,t} + \epsilon_t$

在哪里，

$n_{w,t}$ 是病房的病人数 $w$ 有时 $t$ .

你可以看看是否 $\beta$ 与 0 显着不同，以检验您“更多患者导致暴力概率增加”的假设。

上述模型规范的挑战在于你并没有真正观察到 $P_{w,t}$ 因此，以上不是您通常的时间序列模型。我对R一无所知，所以如果有一个包可以让你估计像上面这样的模型，也许其他人会参与进来。

其它你可能感兴趣的问题