論文の概要: Joint model for longitudinal and spatio-temporal survival data
- arxiv url: http://arxiv.org/abs/2311.04008v1
- Date: Tue, 7 Nov 2023 14:05:14 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-08 15:26:07.781654
- Title: Joint model for longitudinal and spatio-temporal survival data
- Title(参考訳): 縦・時空間生存データのための関節モデル
- Authors: Victor Medina-Olivares, Finn Lindgren, Raffaella Calabrese, Jonathan
Crook
- Abstract要約: 本研究では,空間的および時間的効果と相互作用を捉えるために,時空間結合モデル(STJM, Spatio-Nested Joint Model)を提案する。
我々は、米国住宅ローン借入者57,258人を対象に、250万人以上の観察を行った大規模データセットに対して、STJMを適用して全前払いの時期を予測した。
- 参考スコア(独自算出の注目度): 3.8448145915428644
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In credit risk analysis, survival models with fixed and time-varying
covariates are widely used to predict a borrower's time-to-event. When the
time-varying drivers are endogenous, modelling jointly the evolution of the
survival time and the endogenous covariates is the most appropriate approach,
also known as the joint model for longitudinal and survival data. In addition
to the temporal component, credit risk models can be enhanced when including
borrowers' geographical information by considering spatial clustering and its
variation over time. We propose the Spatio-Temporal Joint Model (STJM) to
capture spatial and temporal effects and their interaction. This Bayesian
hierarchical joint model reckons the survival effect of unobserved
heterogeneity among borrowers located in the same region at a particular time.
To estimate the STJM model for large datasets, we consider the Integrated
Nested Laplace Approximation (INLA) methodology. We apply the STJM to predict
the time to full prepayment on a large dataset of 57,258 US mortgage borrowers
with more than 2.5 million observations. Empirical results indicate that
including spatial effects consistently improves the performance of the joint
model. However, the gains are less definitive when we additionally include
spatio-temporal interactions.
- Abstract(参考訳): 信用リスク分析では、固定的および時間的共変量を持つ生存モデルが借主の時間-イベントを予測するために広く使われている。
時変ドライバが内因性である場合、生存時間と内因性共変量の進化を共同でモデル化することは最も適切なアプローチであり、縦断的および生存的データのジョイントモデルとしても知られている。
時間的要素に加えて、空間的クラスタリングとその時間的変化を考慮して、借主の地理的情報を含む際の信用リスクモデルを強化することができる。
時空間効果とその相互作用を捉えるための時空間関節モデル(stjm)を提案する。
このベイズ階層継手モデルは、特定の時間に同じ地域に位置する借主の間で観測されていない不均一性の生存効果を推定する。
大規模データセットのSTJMモデルを推定するために,Integrated Nested Laplace Approximation (INLA)法を検討する。
57,258人の米国住宅ローン借入者が250万人以上の観察を行った場合,STJMを適用して全額前払いの時期を予測した。
実験結果から,空間効果を含むと継手モデルの性能が一貫して向上することが示された。
しかし、時空間的相互作用が加わった場合、利得は決定的でない。
関連論文リスト
- Foundation for unbiased cross-validation of spatio-temporal models for species distribution modeling [2.6862667248315386]
種別分布モデル (SDM) はしばしば空間自己相関 (SAC) に悩まされ、性能推定に偏りが生じる。
提案手法は, ランダム分割, 空間的ブロッキング, 環境的スキーム, 新たな時間的手法である。
論文 参考訳(メタデータ) (2025-01-27T23:02:05Z) - SPTTE: A Spatiotemporal Probabilistic Framework for Travel Time Estimation [21.092166159353702]
実世界の旅行データは、しばしば時間的に疎外され、不均一に分散される。
SPTTEは、RNNベースの時間的ガウス過程パラメータ化を導入し、スパース観測を規則化し、時間的依存関係をキャプチャする。
実世界のデータセットの評価によると、SPTTEは最先端の確率的手法を10.13%以上上回っている。
論文 参考訳(メタデータ) (2024-11-27T16:28:54Z) - Cross Space and Time: A Spatio-Temporal Unitized Model for Traffic Flow Forecasting [16.782154479264126]
時間的要因間の複雑な相互作用により、バックボーン・時間的トラフィックフローを予測することが課題となる。
既存のアプローチでは、これらの次元を分離し、重要な相互依存を無視している。
本稿では,空間的および時間的依存関係の両方をキャプチャする統合フレームワークであるSanonymous-Temporal Unitized Unitized Cell (ASTUC)を紹介する。
論文 参考訳(メタデータ) (2024-11-14T07:34:31Z) - TimeBridge: Non-Stationarity Matters for Long-term Time Series Forecasting [49.6208017412376]
TimeBridgeは、非定常性と依存性モデリングの間のギャップを埋めるために設計された新しいフレームワークである。
TimeBridgeは、短期予測と長期予測の両方において、最先端のパフォーマンスを一貫して達成する。
論文 参考訳(メタデータ) (2024-10-06T10:41:03Z) - Deep State-Space Generative Model For Correlated Time-to-Event Predictions [54.3637600983898]
そこで本研究では,様々な種類の臨床イベント間の相互作用を捉えるために,潜伏状態空間生成モデルを提案する。
また,死亡率と臓器不全の関連性について有意な知見が得られた。
論文 参考訳(メタデータ) (2024-07-28T02:42:36Z) - A Decoupled Spatio-Temporal Framework for Skeleton-based Action
Segmentation [89.86345494602642]
既存の手法は、弱い時間的モデリング能力に制限されている。
この問題に対処するために、Decoupled Scoupled Framework (DeST)を提案する。
DeSTは計算量が少なく、現在の最先端の手法を著しく上回っている。
論文 参考訳(メタデータ) (2023-12-10T09:11:39Z) - Temporal Relevance Analysis for Video Action Models [70.39411261685963]
まず,CNNに基づく行動モデルにより捉えたフレーム間の時間的関係を定量化する手法を提案する。
次に、時間的モデリングがどのように影響を受けるかをよりよく理解するために、包括的な実験と詳細な分析を行います。
論文 参考訳(メタデータ) (2022-04-25T19:06:48Z) - An Enhanced Adversarial Network with Combined Latent Features for
Spatio-Temporal Facial Affect Estimation in the Wild [1.3007851628964147]
本稿では,遅延特徴に基づく時間的モデリングにより,空間的特徴と時間的特徴の両方を効率的に抽出する新しいモデルを提案する。
提案モデルは3つの主要ネットワークから成り,造語生成器,判別器,コンビネータを用いて,適応型アテンションモジュールを実現するために,敵対的な学習環境において訓練を行う。
論文 参考訳(メタデータ) (2021-02-18T04:10:12Z) - STELAR: Spatio-temporal Tensor Factorization with Latent Epidemiological
Regularization [76.57716281104938]
我々は,多くの地域の流行傾向を同時に予測するテンソル法を開発した。
stelarは離散時間差分方程式のシステムを通じて潜在時間正規化を組み込むことで長期予測を可能にする。
我々は、カウンティレベルと州レベルのCOVID-19データの両方を用いて実験を行い、このモデルが流行の興味深い潜伏パターンを識別できることを示します。
論文 参考訳(メタデータ) (2020-12-08T21:21:47Z) - Survival Cluster Analysis [93.50540270973927]
異なるリスクプロファイルを持つサブポピュレーションを特定するために、生存分析には未解決の必要性がある。
このニーズに対処するアプローチは、個々の成果のキャラクタリゼーションを改善する可能性が高い。
論文 参考訳(メタデータ) (2020-02-29T22:41:21Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。