北京市大气污染的贝叶斯非线性状态空间copula模型
作者
摘要
建议引用
从出版商下载全文
IDEAS上列出的参考文献
Duncan Lee和Alastair Rushworth&Sujit K.Sahu,2014年。 " 估算空气污染对健康影响的贝叶斯局部条件自回归模型 ," 生物计量学 国际生物识别学会,第70卷(2),第419-429页,6月。 J.Durbin和S.J.Koopman,2000年。 " 基于经典和贝叶斯状态空间模型的非高斯观测的时间序列分析 ," 英国皇家统计学会学报B辑 英国皇家统计学会,第62卷(1),第3-56页。 Durbin,J.和Koopman,S.J.M.,1998年。 " 基于经典和贝叶斯状态空间模型的非高斯观测时间序列分析 ," 讨论文件 1998年至142年,蒂尔堡大学经济研究中心。 Durbin,J.和Koopman,S.J.M.,1998年。 " 基于经典和贝叶斯状态空间模型的非高斯观测的时间序列分析 ," 其他出版物TiSEM 6338af09-6f2c-46d0-985b-d,蒂尔堡大学经济与管理学院。
陈晓红、范燕琴,2006。 " 基于copula的半参数时间序列模型的估计 ," 计量经济学杂志 爱思唯尔,第130(2)卷,第307-335页,2月。 陈晓红,范燕琴,2002。 " 基于Copula的半参数时间序列模型的估计 ," 范德比尔特大学经济系工作文件 0226,范德比尔特大学经济系,2004年10月修订。 范燕琴,陈晓红,2004。 " 基于Copula的半参数时间序列模型的估计 ," 计量经济学会2004年远东会议 559,计量经济学协会。
Siem Jan Koopman、AndréLucas和Marcel Scharth,2016年。 " 用参数驱动和观测驱动模型预测时变参数 ," 经济学与统计学综述 麻省理工学院出版社,第98卷(1),第97-110页,3月。 Siem Jan Koopman&Andre Lucas&Marcel Scharth,2012年。 " 用参数驱动和观测驱动模型预测时变参数 ," 廷伯根研究所讨论文件 廷伯根研究所12-020/4。
Shi Chen、John Fricks和Matthew J.Ferrari,2012年。 " 通过非线性状态空间模型跟踪麻疹感染 ," 英国皇家统计学会杂志C辑 英国皇家统计学会,第61卷(1),第117-134页,1月。 Smith,Michael Stanley&Maneesoonthorn,沃普里,2018年。 " 非线性状态空间模型的反演连接函数及其在通货膨胀预测中的应用 ," 国际预测杂志 爱思唯尔,第34卷(3),第389-407页。 Gneiting,Tilmann&Raftery,Adrian E.,2007年。 " 严格正确的评分规则、预测和评估 ," 美国统计协会杂志 ,美国统计协会,第102卷,第359-378页,3月。 杜宾、詹姆斯和科普曼,暹粒,2012年1月。 " 状态空间方法的时间序列分析 ," OUP目录 , 牛津大学出版社, 第2版,编号9780199641178。 杜宾、詹姆斯和科普曼,暹罗,2001年1月。 " 状态空间方法的时间序列分析 ," OUP目录 , 牛津大学出版社,编号9780198523543。
Tom Doan,“未注明日期”。 " SEASONALDLM:为DLM的季节性成分创建矩阵的RATS程序 ," 统计软件组件 RTS00251,波士顿学院经济系。
Sujit K.Sahu和Kanti V.Mardia,2005年。 " 用于空气污染水平短期预测的Bayesian kriged Kalman模型 ," 英国皇家统计学会杂志C辑 英国皇家统计学会,第54卷(1),第223-244页,1月。 加文·沙迪克(Gavin Shaddick)、马修·托马斯(Matthew L.Thomas)、阿米莉亚·格林(Amelia Green)、迈克尔·布劳尔(Michael Brauer)、亚伦·范·唐克勒(Aaron van Donkelaar)、里克·伯内特(Rick Burnett)、霍华德·张和亚伦·科恩(Howard H.Chang)、丽塔·范·丁根恩(Aarson Cohen)、卡洛斯·多拉(Carlos Dora)、索菲·古米(Sophie Gumy)、杨·刘(Yang Liu&Ran),2018年。 " 空气质量数据集成模型:环境空气污染暴露量全球估算的分层方法 ," 英国皇家统计学会杂志C辑 英国皇家统计学会,第67卷(1),第231-253页,1月。 Marra,Giampiero&Wood,Simon N.,2011年。 " 广义可加模型的实用变量选择 ," 计算统计与数据分析 爱思唯尔,第55卷(7),第2372-2387页,7月。 S.J.Koopman和G.Mesters,2017年。 " 动态因子模型的经验Bayes方法 ," 经济学与统计学综述 麻省理工学院出版社,第99卷(3),第486-498页,7月。 Siem Jan Koopman和Geert Mesters,2014年。 " 动态因子模型的经验Bayes方法 ," 廷伯根研究所讨论文件 14-061/III,廷伯根研究所。
J.Durbin,2002年。 " 一种简单高效的状态空间时间序列分析仿真平滑器 ," 生物特征 《Biometrika信托》,第89卷(3),第603-616页,8月。
最相关的项目
Kreuzer、Alexander和Dalla Valle、Luciana和Czado、Claudia,2023年。 " 贝叶斯多元非线性状态空间copula模型 ," 计算统计与数据分析 爱思唯尔,第188(C)卷。 Siem Jan Koopman、AndréLucas和Marcel Scharth,2016年。 " 用参数驱动和观测驱动模型预测时变参数 ," 经济学与统计学综述 麻省理工学院出版社,第98卷(1),第97-110页,3月。 Siem Jan Koopman&Andre Lucas&Marcel Scharth,2012年。 " 用参数驱动和观测驱动模型预测时变参数 ," 廷伯根研究所讨论文件 廷伯根研究所12-020/4。
Falk Bräuring和Siem Jan Koopman,2016年。 " 动态因子网络模型及其在全球信用风险中的应用 ," 工作文件 16-13,波士顿联邦储备银行。 Falk Bräuring和Siem Jan Koopman,2016年。 " 动态因子网络模型及其在全球信用风险中的应用 ," 廷伯根研究所讨论文件 16-105/III,廷伯根研究所。
库普曼、暹粒·扬和荣贝克、博鲁斯和霍尔、尤金妮,2005年。 " 使用历史波动率、实际波动率和隐含波动率测量值预测标准普尔100指数的每日波动率 ," 实证金融杂志 爱思唯尔,第12卷(3),第445-475页,6月。 暹粒-扬·库普曼(Siem Jan Koopman)、博鲁斯·容巴克(Borus Jungbacker)和尤金妮·霍尔(Eugenie Hol),2004年。 " 使用历史、现实和隐含波动率测量值预测标准普尔100指数的日变化 ," 廷伯根研究所讨论文件 04-016/4,廷伯根研究所。 Eugenie Hol和Siem Jan Koopman以及Borus Jungbacker,2004年。 " 使用历史波动率、实际波动率和隐含波动率测量值预测标准普尔100指数的每日波动率 ," 2004年经济与金融计算 342,计算经济学学会。
Mesters,G.&Koopman,S.J.,2014年。 " 横截面和时间随机效应的广义动态面板数据模型 ," 计量经济学杂志 爱思唯尔,第180(2)卷,第127-140页。 Geert Mesters和Siem Jan Koopman,2012年。 " 具有横截面和时间随机效应的广义动态面板数据模型 ," 廷伯根研究所讨论文件 2014年3月18日修订,廷伯根研究所,12-009/4。
Tommaso Proietti和Alessandra Luati,2013年。 " 时间序列模型的最大似然估计:卡尔曼滤波及其以外 ," 章 ,摘自:Nigar Hashimzade和Michael A.Thornton(编辑), 实证宏观经济学研究方法与应用手册 ,第15章,第334-362页, 爱德华·埃尔加出版社。 Luati,Alessandra&Proietti,Tommaso,2012年。 " 时间序列模型的最大似然估计:卡尔曼滤波及其以外 ," 工作文件 2012年02月,悉尼大学商学院,商业分析学科。 托马索(Tommaso)、普罗埃蒂(Proietti)和亚历山德拉(Alessandra),卢阿蒂(Luati),2012年。 " 时间序列模型的最大似然估计:卡尔曼滤波及其以外 ," MPRA纸 39600,德国慕尼黑大学图书馆。
Helske,Jouni,2017年。 " KFAS:R中的指数族状态空间模型 ," 统计软件杂志 《开放获取统计基金会》,第78卷(i10)。 暹粒·扬·库普曼(Siem Jan Koopman)、罗格斯·利特(Rutger Lit)和土明·阮(Thuy Minh Nguyen),2012年。 " 基于状态空间方法的快速重要抽样 ," 廷伯根研究所讨论文件 12-008/4,廷伯根研究所,2014年10月16日修订。 罗德里格斯(Rodríguez)、亚历杭德罗(Alejandro)和鲁伊斯(Ruiz),埃丝特(Esther),2012年。 " 基于估计参数卡尔曼滤波器的未观测状态自举预测均方误差 ," 计算统计与数据分析 ,爱思唯尔,第56卷(1),第62-74页,1月。 罗德里格斯(Rodríguez)、亚历杭德罗(Alejandro)和鲁伊斯·奥尔特加(Ruiz Ortega),埃丝特(Esther),2010年。 " 基于估计参数卡尔曼滤波器的未观测状态自举预测均方误差 ," DES——工作文件。 统计学和计量经济学。 WS公司 ws100301,马德里卡洛斯三世大学,埃斯塔德学院。
Ledenyov,Dimitri O.和Ledenyof,Viktor O.,2013年。 " Stratonovich–Kalman-Bucy滤波算法在中央银行使用状态空间模型准确表征金融时间序列中的应用 ," MPRA纸 德国慕尼黑大学图书馆,50235。 Siem Jan Koopman、AndréLucas和Marcel Scharth,2015年。 " 非线性非高斯状态空间模型的数值加速重要抽样 ," 商业与经济统计杂志 《泰勒与弗朗西斯杂志》,第33卷(1),第114-127页,1月。 Siem Jan Koopman&Andre Lucas&Marcel Scharth,2011年。 " 非线性非高斯状态空间模型的数值加速重要抽样 ," 廷伯根研究所讨论文件 2014年5月11日,廷伯根研究所,2012年1月27日修订。
Ledenyov,Dimitri O.和Ledenyof,Viktor O.,2015年。 " 预测外汇市场超高频电子交易外汇汇率的波函数方法 ," MPRA纸 67470,德国慕尼黑大学图书馆。 Petropoulos、Fotios和Apiletti、Daniele和Assimakopoulos、Vassilios和Babai、Mohamed Zied和Barrow、Devon K.和Ben Taieb、Souhaib和Bergmeir、Christoph和Bessa、Ricardo J.和Bijak、Jakub和Boylan、Joh,2022年。 " 预测:理论与实践 ," 国际预测杂志 爱思唯尔,第38卷(3),第705-871页。 G.Mesters&S.J.Koopman&M.Ooms,2016年。 " 广义长记忆时间序列模型的Monte Carlo极大似然估计 ," 计量经济评论 《泰勒与弗朗西斯杂志》,第35卷(4),第659-687页,4月。 Geert Mesters&Siem Jan Koopman&Marius Ooms,2011年。 " 广义长记忆时间序列模型的Monte Carlo极大似然估计 ," 廷伯根研究所讨论文件 2004年9月11日,廷伯根研究所。
迈克尔·斯坦利·史密斯,2023年。 " 隐式连词:综述 ," 计量经济与统计 爱思唯尔,第28卷(C),第81-104页。 马蒂·维霍拉(Matti Vihola)、朱妮·赫尔斯克(Jouni Helske)和乔丹·弗兰克斯(Jordan Franks),2020年。 " 基于近似边际马尔可夫链蒙特卡罗的重要抽样类型估计 ," 斯堪的纳维亚统计杂志 丹麦理论统计学会; 芬兰统计学会; 挪威统计协会; 瑞典统计协会,第47卷(4),第1339-1376页,12月。 Francesco Calvori&Drew Creal&Siem Jan Koopman&Andre Lucas,2014年。 " 竞争建模框架中参数不稳定性的测试 ," 廷伯根研究所讨论文件 14-010/IV/DSF71,廷伯根研究所。 迈克尔·斯坦利·史密斯,2021年。 " 隐式连词:综述 ," 文件 2109.04718,arXiv.org。 2020年1月,暹罗,布尔胡宁,福克&库普曼。 " 动态因素网络模型及其在国际贸易中的应用 ," 计量经济学杂志 爱思唯尔,第216(2)卷,第494-515页。 Drew Creal和Siem Jan Koopman和Eric Zivot,2008年。 " 时间-变量趋势-周期模型中大缓和对美国经济周期的影响 ," 廷伯根研究所讨论文件 08-069/4,廷伯根研究所。