Şiddet içeren davranışları analiz etmek / tahmin etmek için zaman serisi analizini kullanma

Bu biraz aptalca bir soru, ama cevaba ciddi bir ilgim var. Bir psikiyatri hastanesinde çalışıyorum ve her koğuşta her gün o koğuştaki şiddet düzeyi hakkında toplanan üç yıllık verilerim var.

Açıkçası bu verilere uyan model bir zaman serisi modelidir. Daha normal hale getirmek için puanları değiştirmek zorunda kaldım. Farklı verilerle bir ARMA modeline uyuyorum ve en uygun olanı, gecikme 2'de bir derece fark ve birinci dereceden otomatik korelasyona sahip bir modeldi.

Sorum şu, bu modeli ne için kullanabilirim? Zaman serileri, tavşan popülasyonları ve petrol fiyatları ile ilgili ders kitaplarında her zaman çok yararlı görünüyor, ama şimdi kendi başıma yaptım sonuç tamamen opak olacak kadar soyut görünüyor. Farklılık skorları birbiriyle iki gecikmeyle ilişkilidir, ancak ciddi bir olaydan iki gün sonra herkese yüksek tetikte olmalarını gerçekten tavsiye edemem.

Yoksa yapabilir miyim?

Verilere uyan modelin bir zaman serisi modeli olması gerekmez; Biraz kutunun dışında düşünmeyi tavsiye ederim.

Birden çok değişkeniniz varsa (örneğin yaş, cinsiyet, diyet, etnik köken, hastalık, ilaç) bunları farklı bir model için kullanabilirsiniz. Belki bazı hastaların aynı odada bulunması önemli bir belirleyicidir? Ya da belki de ilgili personel ile ilgisi var? Veya kullanabileceğiniz başka değişkenleriniz varsa, çok değişkenli bir zaman serisi modeli (örn. VECM) kullanmayı düşünün. Hastalar arasındaki şiddet arasındaki ilişkilere bakın: bazı hastalar birlikte hareket ediyor mu?

Zaman serisi modeli, zamanın davranışta önemli bir rolü varsa yararlıdır. Örneğin, bir şiddet kümelenmesi olabilir. Oynaklık kümeleme literatürüne bakın. @Jonas'ın öne sürdüğü gibi, 2 gecikme düzeniyle, şiddet patlamasının ertesi günü daha yüksek tetikte olmanız gerekebilir. Ancak bu, ilk günü önlemenize yardımcı olmaz: şiddetin nedenini anlamak için analize bağlayabileceğiniz başka bir bilgi olabilir, sadece zaman serisi tarzında yayınlamaktan ziyade.

Son olarak, teknik bir öneri olarak: Analiz için R kullanıyorsanız , Rob Hyndman'ın (bu sitenin yaratıcısı) tahmin paketine bakabilirsiniz . Bu çok güzel özelliklere sahiptir; İstatistiksel Yazılım Dergisi'nde "Otomatik Zaman Serisi Tahmini: R için Tahmini Paket" makalesine bakın .

Modeli farklılıklara uydurdunuz, yani şiddet seviyelerindeki değişikliği açıklıyorsunuz. 2 günlük bir gecikme yaşarsınız. Bir gecikme, işlemin belleğini gösterir. Başka bir deyişle, günümüzde şiddet düzeylerindeki değişim, son iki gün içindeki şiddet düzeylerindeki değişime biraz bağımlıdır. Daha uzun zaman ölçeklerinde, rastgele etkilerin katkısı, artık net bir bağlantı olmaması için yeterince güçlü hale gelir.

Oto-korelasyon pozitif mi? O zaman bugün şiddet düzeylerindeki bir değişiklik, iki gün içinde şiddet düzeylerinde de benzer bir değişiklik olduğunu göstermektedir. Olumsuz mu? O zaman şiddet iki gün daha yüksek kalabilir.

Tabii ki, karıştırıcı etkileri kontrol etmek zorunda kalabilirsiniz. Örneğin, ciddi bir olaydan sonra, insanların küçük olayları bildirme olasılığı daha yüksek olabilir, ancak bu "duyarlılaşma" iki gün sonra ortadan kalkacaktır.