Utilizzo dell'analisi delle serie storiche per analizzare / prevedere comportamenti violenti

Questa è una domanda un po 'irriverente, ma ho un serio interesse per la risposta. Lavoro in un ospedale psichiatrico e ho tre anni di dati, raccolti ogni giorno in ogni reparto riguardo al livello di violenza in quel reparto.

Chiaramente il modello che si adatta a questi dati è un modello di serie storiche. Ho dovuto differenziare i punteggi per renderli più normali. Adatto un modello ARMA con i dati differenziati e la migliore che ritengo fosse un modello con un grado di differenziazione e autocorrelazione del primo ordine a ritardo 2.

La mia domanda è: per quale motivo posso usare questo modello? Le serie storiche sembrano sempre così utili nei libri di testo quando si tratta di popolazioni di lepri e di prezzi del petrolio, ma ora ho fatto il mio e il risultato sembra così astratto da essere completamente opaco. I punteggi differenziati sono correlati tra loro al secondo ritardo, ma non posso davvero consigliare a tutti di essere in allerta due giorni dopo un incidente grave in tutta serietà.

O posso?

Il modello che si adatta ai dati non deve essere un modello di serie temporale; Consiglierei di pensare un po 'fuori dagli schemi.

Se hai più variabili (ad es. Età, sesso, dieta, etnia, malattia, farmaci) puoi usarle per un modello diverso. Forse avere determinati pazienti nella stessa stanza è un predittore importante? O forse ha a che fare con il personale presente? Oppure prendere in considerazione l'utilizzo di un modello di serie temporali multi-variabile (ad esempio VECM) se si dispone di altre variabili che è possibile utilizzare. Guarda le relazioni tra violenza tra i pazienti: alcuni pazienti agiscono insieme?

Il modello di serie storiche è utile se il tempo ha un ruolo importante nel comportamento. Ad esempio, potrebbe esserci un ammasso di violenza. Guarda la letteratura sul raggruppamento della volatilità. Come suggerisce @Jonas, con un ordine di ritardo di 2, potrebbe essere necessario essere in allerta più alta il giorno successivo a un'esplosione di violenza. Ma questo non ti aiuta a prevenire il primo giorno: potrebbero esserci altre informazioni che puoi collegare all'analisi per comprendere effettivamente la causa della violenza, piuttosto che semplicemente prevederla in modo cronologico.

Infine, come suggerimento tecnico: se stai usando R per l'analisi, potresti dare un'occhiata al pacchetto di previsioni di Rob Hyndman (il creatore di questo sito). Questo ha molte caratteristiche molto belle; vedere il documento "Previsione automatica delle serie storiche: il pacchetto di previsioni per R" nel Journal of Statistical Software.

Hai adattato il modello alle differenze, il che significa che stai descrivendo il cambiamento nei livelli di violenza. Hai un ritardo di 2 giorni. Un ritardo è indicativo della memoria del processo. In altre parole, il cambiamento nei livelli di violenza oggi ha una certa dipendenza dal cambiamento nei livelli di violenza negli ultimi due giorni. Per scale temporali più lunghe, il contributo di influenze casuali diventa abbastanza forte da non rendere più chiaro il collegamento.

L'auto-correlazione è positiva? Quindi un cambiamento dei livelli di violenza oggi suggerisce un cambiamento simile nei livelli di violenza in due giorni. È negativo? Quindi la violenza potrebbe rimanere più alta per due giorni.

Naturalmente, potresti voler controllare gli effetti confondenti. Ad esempio, dopo un grave incidente, è più probabile che le persone segnalino incidenti minori, ma questa "sensibilizzazione" scomparirebbe dopo due giorni.