Adaptive log-linear zero-inflated generalized Poisson autoregressive model with applications to crime counts

Xiaofei Xu; Ying Chen; Cathy W. S. Chen; Xiancheng Lin

doi:10.1214/20-AOAS1360

2020年9月自适应对数线性零膨胀广义泊松自回归模型及其在犯罪计数中的应用

徐晓飞,陈颖（音）,凯茜·W·S·陈,林贤成

附录申请。斯达。 14(3): 1493-1515 （2020年9月）。 DOI:10.1214/20-AOAS1360

摘要

本研究提出了一个综合的ALG模型（自适应对数线性零膨胀广义泊松积分值GARCH）来描述犯罪事件积分值时间序列的动态特性，该模型具有自相关、异方差、过分散和过多的零观测值。提出的ALG模型捕捉时变非线性相关性，同时在统一的建模框架中纳入多个外生变量的影响。我们使用自适应方法自动检测每个感兴趣时间点的局部同质性子样本，并通过自适应贝叶斯马尔可夫链蒙特卡罗（MCMC）抽样方案估计时间相关参数。仿真研究表明，ALG模型在同构和异构场景下均具有稳定准确的有限样本性能。当使用澳大利亚拜伦的犯罪事件数据实施时，ALG模型对犯罪事件的随机强度进行了有说服力的估计，并对不同犯罪类别的强度动态以及温度和人口因素的影响提供了深刻的解释。