ใช้การวิเคราะห์อนุกรมเวลาเพื่อวิเคราะห์ / ทำนายพฤติกรรมรุนแรง

นี่เป็นคำถามที่ค่อนข้างสั่นคลอน แต่ฉันมีความสนใจอย่างจริงจังในคำตอบ ฉันทำงานในโรงพยาบาลจิตเวชและมีข้อมูลสามปีเก็บทุกวันทั่ววอร์ดเกี่ยวกับระดับความรุนแรงในวอร์ดนั้น

เห็นได้ชัดว่ารูปแบบที่เหมาะกับข้อมูลเหล่านี้คือรูปแบบอนุกรมเวลา ฉันต้องทำคะแนนให้แตกต่างกันเพื่อให้เป็นปกติมากขึ้น ฉันพอดีกับโมเดล ARMA กับข้อมูลที่แตกต่างกันและแบบที่ดีที่สุดที่ฉันคิดว่าเป็นโมเดลที่มีความต่างระดับหนึ่งและลำดับอัตโนมัติสัมพันธ์แรกที่ล่าช้า 2

คำถามของฉันคืออะไรฉันสามารถใช้แบบจำลองนี้เพื่ออะไร อนุกรมเวลาดูเหมือนว่ามีประโยชน์เสมอในตำราเรียนเมื่อมันเกี่ยวกับประชากรกระต่ายและราคาน้ำมัน แต่ตอนนี้ฉันได้ทำของตัวเองผลลัพธ์ดูเหมือนเป็นนามธรรมจนทึบแสงอย่างสมบูรณ์ คะแนนที่แตกต่างนั้นมีความสัมพันธ์ซึ่งกันและกันที่ lag 2 แต่ฉันไม่สามารถแนะนำให้ทุกคนตื่นตัวได้ในสองวันหลังจากเกิดเหตุการณ์ร้ายแรงในทุกกรณี

หรือฉัน

โมเดลที่เหมาะกับข้อมูลไม่จำเป็นต้องเป็นโมเดลอนุกรมเวลา ฉันอยากจะแนะนำให้คิดนอกกรอบเล็กน้อย

หากคุณมีตัวแปรหลายตัว (เช่นอายุ, เพศ, อาหาร, เชื้อชาติ, ความเจ็บป่วย, ยา) คุณสามารถใช้ตัวแปรเหล่านี้เป็นแบบจำลองที่แตกต่างกัน บางทีการมีผู้ป่วยบางคนในห้องเดียวกันอาจเป็นเครื่องทำนายที่สำคัญ? หรืออาจจะเกี่ยวข้องกับพนักงานที่เข้าร่วม? หรือลองใช้โมเดลอนุกรมเวลาหลายตัวแปร (เช่น VECM) หากคุณมีตัวแปรอื่น ๆ ที่คุณสามารถใช้ได้ ดูความสัมพันธ์ระหว่างความรุนแรงกับผู้ป่วย: ผู้ป่วยบางคนแสดงออกมาด้วยกันหรือไม่?

โมเดลอนุกรมเวลามีประโยชน์หากเวลามีบทบาทสำคัญในพฤติกรรม ตัวอย่างเช่นอาจมีการรวมกลุ่มของความรุนแรง ดูวรรณกรรมการจัดกลุ่มความผันผวน ตามที่ @Jonas แนะนำด้วยลำดับที่ล่าช้า 2 คุณอาจต้องตื่นตัวมากขึ้นในวันที่เกิดเหตุการณ์รุนแรง แต่นั่นไม่ได้ช่วยให้คุณป้องกันวันแรก: อาจมีข้อมูลอื่นที่คุณสามารถเชื่อมโยงไปยังการวิเคราะห์เพื่อทำความเข้าใจสาเหตุของความรุนแรงได้มากกว่าที่จะบอกล่วงหน้าในแบบอนุกรมเวลา

สุดท้ายเป็นคำแนะนำทางเทคนิค: ถ้าคุณใช้ R สำหรับการวิเคราะห์คุณอาจดูแพ็คเกจพยากรณ์จาก Rob Hyndman (ผู้สร้างเว็บไซต์นี้) มีคุณสมบัติที่ดีมาก ๆ ดูกระดาษ"การพยากรณ์อนุกรมเวลาอัตโนมัติ: แพ็คเกจพยากรณ์สำหรับ R"ในวารสารซอฟต์แวร์สถิติ

คุณติดตั้งโมเดลนี้กับความแตกต่างซึ่งหมายความว่าคุณกำลังอธิบายการเปลี่ยนแปลงในระดับของความรุนแรง คุณล่าช้า 2 วัน ความล่าช้านั้นบ่งบอกถึงความทรงจำของกระบวนการ กล่าวอีกนัยหนึ่งการเปลี่ยนแปลงระดับความรุนแรงในปัจจุบันมีการพึ่งพาการเปลี่ยนแปลงระดับความรุนแรงในสองวันที่ผ่านมา สำหรับช่วงเวลาที่นานขึ้นการมีส่วนร่วมของอิทธิพลแบบสุ่มจะแข็งแกร่งพอที่จะไม่มีการเชื่อมโยงที่ชัดเจนอีกต่อไป

ความสัมพันธ์อัตโนมัติเป็นบวกหรือไม่ จากนั้นการเปลี่ยนแปลงระดับความรุนแรงในวันนี้ก็แสดงให้เห็นว่าการเปลี่ยนแปลงระดับความรุนแรงในสองวันคล้ายกัน มันเป็นลบหรือไม่? ความรุนแรงอาจจะสูงกว่าสองวัน

แน่นอนคุณอาจต้องควบคุมผลกระทบที่ทำให้สับสน ตัวอย่างเช่นหลังจากเหตุการณ์ที่ร้ายแรงผู้คนอาจมีแนวโน้มที่จะรายงานเหตุการณ์เล็กน้อย แต่ "การแพ้" นี้จะหายไปหลังจากสองวัน