Please use this identifier to cite or link to this item:
http://hdl.handle.net/1843/73932
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.creator | Ana Júlia Alves Câmara | pt_BR |
dc.creator | Glaura da Conceição Franco | pt_BR |
dc.creator | Valdério Anselmo Reisen | pt_BR |
dc.creator | Pascal Bondon | pt_BR |
dc.date.accessioned | 2024-08-13T21:33:09Z | - |
dc.date.available | 2024-08-13T21:33:09Z | - |
dc.date.issued | 2021 | - |
dc.citation.volume | 41 | pt_BR |
dc.citation.spage | e241120 | pt_BR |
dc.identifier.doi | https://doi.org/10.1590/0101-7438.2021.041.00241120 | pt_BR |
dc.identifier.issn | 16785142 | pt_BR |
dc.identifier.uri | http://hdl.handle.net/1843/73932 | - |
dc.description.abstract | O modelo aditivo generalizado (GAM) tem sido utilizado em muitos estudos epidemiológicos onde frequentemente, a variável de resposta é uma série temporal com valor inteiro não negativo. No entanto, o GAM assume que as observações são independentes, o que geralmente não é o caso nas séries temporais. Neste artigo, um componente de média móvel autorregressiva (ARMA) é incorporado ao GAM. O modelo GAM-ARMA resultante é baseado no modelo de média móvel autorregressiva linear generalizada (GLARMA), onde alguns valores lineares os componentes são substituídos por splines naturais. Simulações numéricas são apresentadas e mostram que o ARMA componente influencia a estimativa. Numa análise de dados reais sobre os efeitos da poluição do ar nas vias respiratórias doença na região metropolitana de Belo Horizonte, Brasil, mostra-se que o modelo proposto apresenta uma melhor ajuste quando comparado à abordagem GAM clássica, que não leva em conta a autocorrelação dos dados. | pt_BR |
dc.description.resumo | The generalized additive model (GAM) has been used in many epidemiological studies where frequently the response variable is a nonnegative integer-valued time series. However, GAM assume that the observations are independent, which is generally not the case in time series. In this paper, an autoregressive moving average (ARMA) component is incorporated to the GAM. The resulting GAM-ARMA model is based on the generalized linear autoregressive moving average (GLARMA) model where some linear components are replaced by natural splines. Numerical simulations are presented and show that the ARMA component influences the estimation. In a real data analysis of the effects of air pollution on respiratory disease in the metropolitan area of Belo Horizonte, Brazil, it is shown that the proposed model presents a better fit when compared to the classical GAM approach, that does not take into account the autocorrelation of the data. | pt_BR |
dc.format.mimetype | pt_BR | |
dc.language | eng | pt_BR |
dc.publisher | Universidade Federal de Minas Gerais | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.publisher.department | ICX - DEPARTAMENTO DE ESTATÍSTICA | pt_BR |
dc.publisher.initials | UFMG | pt_BR |
dc.relation.ispartof | Pesquisa Operacional | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.subject | Mining, Data | pt_BR |
dc.subject | Air Pollution | pt_BR |
dc.subject | Linear Models (Statistics) | pt_BR |
dc.subject.other | Mineração de dados (Computação) | pt_BR |
dc.subject.other | Poluição do Ar | pt_BR |
dc.subject.other | Modelos Lineares (Estatística) | pt_BR |
dc.title | Generalized additive model for count time series: an application to quantify the impact of air pollutants on human health | pt_BR |
dc.title.alternative | Modelo aditivo generalizado para séries temporais de contagem: uma aplicação para quantificar o impacto dos poluentes atmosféricos na saúde humana | pt_BR |
dc.type | Artigo de Periódico | pt_BR |
dc.url.externa | https://www.scielo.br/j/pope/a/bYb6cxrs3xjY33Hwvz7x9Xc/?lang=en | pt_BR |
Appears in Collections: | Artigo de Periódico |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
GENERALIZED ADDITIVE MODEL FOR COUNT.pdfA.pdf | 246.19 kB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.