時系列分析を使用して暴力的な行動を分析/予測する

これはちょっとした質問ですが、私はその答えに真剣に興味を持っています。私は精神病院で働いており、その病棟での暴力のレベルに関して各病棟で毎日収集された3年間のデータを持っています。

明らかに、これらのデータに適合するモデルは時系列モデルです。スコアをより正常にするために、スコアを変える必要がありました。ARMAモデルを差分データで近似します。最適なのは、遅延2で1度の差分と1次の自己相関があるモデルだと思います。

私の質問は、このモデルをいったい何のために使用できるのかということです。時系列は、うさぎの個体数と原油価格に関する教科書では常に非常に有用に思えますが、今では自分でやった結果は非常に抽象的で完全に不透明に見えます。差のあるスコアは2ラグで互いに相関していますが、深刻な問題が発生した2日後にすべての人が高度に警戒するようにアドバイスすることはできません。

または私はできますか？

データに適合するモデルは時系列モデルである必要はありません。箱の外側を少し考えることをお勧めします。

複数の変数（年齢、性別、食事、民族、病気、投薬など）がある場合は、これらを異なるモデルに使用できます。同じ部屋に特定の患者がいることは重要な予測因子でしょうか？それとも、おそらく出席スタッフと関係があるのでしょうか？または、使用できる他の変数がある場合は、多変量時系列モデル（VECMなど）の使用を検討してください。患者間の暴力の関係を見てください：特定の患者は一緒に行動しますか？

時系列モデルは、時間が行動に重要な役割を果たす場合に役立ちます。たとえば、暴力のクラスタリングがあるかもしれません。ボラティリティクラスタリングの文献をご覧ください。@Jonasが提案しているように、ラグオーダーが2の場合、暴動が起きた翌日に、より警戒する必要があるかもしれません。しかし、それは初日を防ぐのに役立ちません：実際に理解するために分析にリンクできる他の情報があるかもしれません。単に時系列的に予測するのではなく、暴力の原因をする。

最後に、技術的な提案として：分析にRを使用している場合、Rob Hyndman（このサイトの作成者）からの予測パッケージを見ることができます。これには多くの非常に素晴らしい機能があります。Journal of Statistical Software の論文「自動時系列予測：Rの予測パッケージ」を参照してください。

モデルを差異に適合させました。つまり、暴力のレベルの変化を記述していることになります。2日間の遅れが生じます。遅延は、プロセスのメモリを示しています。言い換えれば、今日の暴力レベルの変化は、過去2日間の暴力レベルの変化にある程度依存しています。より長い時間スケールでは、ランダムな影響の寄与が十分に強くなるため、もはや明確なリンクがなくなります。

自己相関は正ですか？次に、今日の暴力レベルの変化は、2日間の暴力レベルの同様の変化を示唆しています。ネガティブですか？その後、暴力は2日間続く可能性があります。

もちろん、交絡効果を制御する必要がある場合があります。たとえば、深刻な事件の後、人々は軽微な事件を報告する可能性が高くなりますが、この「感作」は2日後に消えます。