DLMs

O Distributed Lag Models (véase, por ejemplo, dLagM).

Son modelos para estimar el impacto de una serie temporal sobre otra en situaciones como la siguientes:

  • Una serie mide excesos de temperaturas (en verano).
  • La otra, defunciones.

Existe un efecto causal (débil, pero medible) de la primera sobre la segunda. Pero las defunciones no ocurren el día mismo en que ocurren los excesos de temperaturas, sino que suelen demorarse unos cuantos días.

Así, la mortalidad en el día 100 depende de los excesos de temperaturas en los días 99, 98,… Y las preguntas a la que estos modelos tratan de dar respuesta son:

  • ¿Durante cuántos días se mantiene el efecto? ¿Cuándo decae totalmente?
  • ¿Cuál es la forma del efecto? ¿De qué forma decae? En particular, ¿si hubo excesos de temperatura los días 98 y 99, cuál es su efecto combinado en la mortalidad del día 100?

Si alguien quiere verlos en acción en un contexto similar al anterior, puede echarle un vistazo a esto. Y nótese que aunque la aplicación con la que los ilustro procede del mundo de la epidemiología, muchos querrán tender puentes con otras áreas más salubres como las de los modelos de atribución en márketing.