理查德·戴维斯（Richard A.Davis）。；Fokianos，Konstantinos公司；斯科特·霍兰（Scott H.Holan）。；乔，哈里；詹姆斯·利夫西；罗伯特·隆德；弗拉达斯·皮皮拉斯；纳里尼·拉维桑克 计算时间序列：方法综述。 （英语） Zbl 1510.62356号 美国统计协会。 116，编号535，1533-1547（2021）. 摘要：在当今的统计文献中，人们对非高斯时间序列，特别是由非负整数（计数）组成的序列越来越感兴趣。计数系列自然出现在农业、经济、流行病学、金融、地质、气象和体育等领域。与平稳高斯序列不同的是，自回归移动平均值是主要建模工具，没有任何一类模型主宰着计数领域。因此，文献的发展有点特别，开发了不同的模型类来处理特定情况。本文试图总结计数时间序列建模的现状。本文首先回顾了规定了边际分布的模型，包括一些最近的发展。接下来讨论状态空间方法。然后研究了这些方法的多元扩展，并考虑了该问题的贝叶斯方法。其目的是让研究人员和实践者了解现代文献中出现的各种类型的计数时间序列模型。虽然没有详细探讨估算问题，但参考了本文献。 引用于15文件 MSC公司： 62M10个 统计学中的时间序列、自相关、回归等（GARCH） 62H20个 关联度量（相关性、典型相关性等） 62立方米 从空间过程推断 62-02 与统计有关的研究展览（专著、调查文章） 关键词：自相关；计数负二项分布；泊松分布；状态空间模型；时间序列 软件：ts计数；其mr；Copula模型；法尔迈尔；对数条件；高斯人；全球气候变化监测；眩光；ITSM2000标准 PDF格式BibTeX公司 XML格式引用 \textit{R.A.Davis}等人，J.Am.Stat.Assoc.116，No.535，1533--1547（2021；Zbl 1510.62356） 全文： 内政部 参考文献： [1] Ahmad，A.，法国戴高乐三世大学，《圣殿骑士团的贡献》（2016） [2] 艾哈迈德。；Franq，C.，“计数时间序列模型的泊松QMLE，时间序列分析杂志，37，291-314（2016）·Zbl 1381.62244号 ·doi:10.1111/jtsa.12167 [3] 艾奇逊，J。；Ho，C.H.，“多元泊松对数正态分布，生物统计学，76643-653（1989）·Zbl 0679.62040号 ·doi:10.1093/biomet/76.4.643 [4] Al-Osh，医学硕士。；Aly，E.E.A.A.，“具有负二项式和几何边缘的一阶自回归时间序列，统计学中的通信——理论和方法，21，2483-2492（1992）·Zbl 0775.62225号 ·doi:10.1080/03610929208830925 [5] 艾伯特，P.S。；麦克法兰，H。；史密斯，M。；Frank，J.，“复发性疾病计数建模的时间序列：在多发性硬化症疾病活动建模中的应用，医学统计学，13453-466（1994）·数字对象标识代码：10.1002/sim.4780130509 [6] Alqawba，M。；迪亚瓦拉，N。；Rao Chaganty，N.，“使用高斯Copula的零膨胀计数时间序列模型，序列分析，38342-357（2019）·Zbl 1435.62309号 ·doi:10.1080/07474946.2019.1648922 [7] Alzaid，A.A。；Al-Osh，M.A.，“具有广义泊松边际分布的一些自回归移动平均过程，统计数学研究所年鉴，45223-232（1993）·兹比尔0777.62085 ·doi:10.1007/BF00775809 [8] Andreassen，C.M.，《相关计数数据的模型和推断》（2013年），丹麦阿胡斯大学 [9] Balabdaoui，F。；Jankowski，H。；Rufibach，K。；Pavlides，M.，“离散对数最大似然估计的渐近性及其相关应用”，《皇家统计学会杂志》，B辑，75，769-790（2013）·Zbl 1411.62119号 ·doi:10.1111/rssb.12011 [10] Berliner，L.M。；Hanson，K.M。；Silver，R.N.，最大熵和贝叶斯方法，层次贝叶斯时间序列模型，15-22（1996），德国多德雷赫特：施普林格，多德雷希特，德国 [11] Biller，B.，“基于Copula的随机模拟多元输入模型，运筹学，57878-892（2009）·Zbl 1342.62097号 ·doi:10.1287/opre.1080.669 [12] Blight，P.A.，“离散更新过程叠加形成的时间序列，应用概率杂志，26189-195（1989）·Zbl 0669.62086号 ·doi:10.2307/2214330 [13] Bollerslev，T.，“广义自回归条件异方差，计量经济学杂志，31307-327（1986）·Zbl 0616.62119号 ·doi:10.1016/0304-4076（86）90063-1 [14] 布拉德利，J.R。；Holan，S.H。；Wikle，C.K.，“高维计值数据的计算效率多元时空模型”（含讨论），贝叶斯分析，13，253-310（2018）·Zbl 1392.62148号 ·doi:10.1214/17-BA1069 [15] 布拉德利，J.R。；Holan，S.H。；Wikle，C.K.，“自然指数族相依数据的共轭全条件分布贝叶斯层次模型，美国统计协会杂志，1152037-2052（2020）·Zbl 1453.62411号 [16] Brockwell，P.J。；Davis，R.A.，《时间序列与预测导论》（2016），纽约：Springer-Verlag出版社，纽约·Zbl 1355.62001号 [17] 卡里奥，M.C。；Nelson，B.L.，技术报告，用任意边缘分布和相关矩阵建模和生成随机向量（1997），西北大学工业工程和管理科学系：西北大学工业工程学和管理科学部，伊利诺伊州埃文斯顿 [18] Chen，H.，“NORTA的初始化：具有指定边界和相关性的随机向量的生成”，《计算信息杂志》，13，312-331（2001）·Zbl 1238.65006号 ·doi:10.1287/ijoc.13.4.312.9736 [19] 陈，Y。；Samworth，R.J.，“光滑对数凹最大似然估计及其应用”，中国统计，231373-1398（2013）·Zbl 06202711号 ·doi:10.5705/ss.2011.224 [20] Chib，S。；Winklemann，R.，“相关计数数据的马尔可夫链蒙特卡罗分析”，《商业与经济统计杂志》，第19期，第428-435页（2001年）·doi:10.1198/07350010152596673 [21] 克里斯托，V。；Fokianos，K.，“负二项时间序列模型的拟似然推断，时间序列分析杂志，35，55-78（2014）·Zbl 1301.62084号 ·doi:10.1111/jtsa.12050 [22] Cox，D.R.，“时间序列的统计分析：一些最新发展”，《斯堪的纳维亚统计杂志》，第893-115页（1981年）·Zbl 0468.62079号 [23] 克雷亚尔，D。；科普曼，S.J。；Lucas，A.，“广义自回归得分模型及其应用”，《应用计量经济学杂志》，28，777-795（2013）·doi:10.1002/jae.1279 [24] 北卡罗来纳州克雷西。；Wikle，C.K.，《时空数据统计》（2011），新泽西州霍博肯：新泽西州霍博肯市威利·Zbl 1273.62017年 [25] 崔，Y。；Lund，R.B.，“时间序列统计的新视角”，《生物特征》，96，781-792（2009）·Zbl 1179.62116号 ·doi:10.1093/biomet/asp057 [26] Davis，R.A。；刘浩，“一类非线性模型的理论和推论及其在计数时间序列中的应用，统计学，261673-1707（2016）·Zbl 1356.62137号 ·doi:10.5705/ss.2014.145吨 [27] Davis，R.A。；Wu，R.，“计数时间序列的负二项模型，生物特征，96735-749（2009）·Zbl 1170.62062号 ·doi:10.1093/biomet/asp029 [28] Davis，R.A。；Wang，Y。；Dunsmuir，W.T.M。；Ghosh，S.，《渐近、非参数和时间序列，计数数据的时间序列建模》，63-114（1999），纽约市：Marcel Dekker，纽约市 [29] 戴维斯，R.A。；Dunsmuir，W.T.M。；Wang，Y.，“关于泊松回归模型中的自相关，生物统计学，87，491-505（2000）·Zbl 0956.62075号 ·doi:10.1093/biomet/87.3.491 [30] 戴维斯，R.A。；Dunsmuir，W.T.M。；Streett，S.B.，“泊松计数的观测驱动模型，生物特征，90777-790（2003）·Zbl 1436.62418号 ·doi:10.1093/biomet/90.4.777 [31] Davis，R.A。；Dunsmuir，W.T.M。；Streett，S.B.，“观测驱动泊松计数模型的最大似然估计，应用概率的方法和计算，7149-159（2005）·Zbl 1078.62091号 [32] Davis，R.A。；Holan，S.H。；伦德·R·B。；Ravishanker，N.，《离散值时间序列手册》（2016），佛罗里达州博卡拉顿：CRC出版社，佛罗里达州波卡拉顿 [33] Diaconis，P。；Freedman，D.，迭代随机函数，SIAM评论，41，45-7（1999）·Zbl 0926.60056号 ·doi:10.1137/S0036144598338446 [34] 杜克，R。；Doukhan，P。；Moulines，E.，“观测驱动时间序列模型的遍历性和最大似然估计的一致性，随机过程及其应用，123，2620-2647（2013）·Zbl 1285.62104号 ·doi:10.1016/j.spa.2013.04.010 [35] 杜克，R。；Moulines，E。；Stoffer，D.S.，《R示例的方法和应用》，非线性时间序列：理论（2014），佛罗里达州博卡拉顿：查普曼和霍尔/CRC出版社，佛罗里达州波卡拉顿·Zbl 1306.62026号 [36] Doukhan，P。；Fokianos，K。；Tjötheim，D.，“关于泊松自回归的弱依赖条件，统计与概率字母，82，942-948（2012）·Zbl 1241.62109号 ·doi:10.1016/j.spl.2012.01.015 [37] 杜，J.-G。；Li，Y.，“整值自回归（INA（p））模型，时间序列分析杂志，12，129-142（1991）·兹比尔0727.62084 [38] Dunsmuir，W.T.M。；Davis，R.A。；Holan，S.H。；伦德·R·B。；Ravishanker，N.，《离散值时间序列手册》，“广义线性自回归移动平均模型”，51-76（2016），佛罗里达州博卡拉顿：CRC出版社，佛罗里达州博卡拉顿 [39] Dunsmuir，W.T.M。；Scott，D.J.，“观测驱动的计数时间序列回归的GLARMA包，统计软件杂志，67，1-36（2015）·doi:10.18637/jss.v067.i07 [40] Engle，R.F.，“英国通货膨胀方差估计的自回归条件异方差，计量经济学，50987-1007（1982）·Zbl 0491.62099号 ·doi:10.2307/1912773 [41] 埃斯卡雷拉，G。；梅纳，R.H。；Castillo-Morales，A.，“基于Copulas的一类灵活参数转换回归模型：在脊髓灰质炎发病率中的应用，医学研究中的统计方法，15，593-609（2006）·Zbl 1109.62076号 ·doi:10.1177/0962280206070645 [42] Fahrmeir，L。；Tutz，G.，《基于广义线性模型的多元统计建模》（2001），纽约市：Springer，纽约市·Zbl 0980.62052号 [43] 费兰德，R。；拉图尔，A。；Oraichi，D.，整数值GARCH过程，时间序列分析期刊，27923-942（2006）·Zbl 1150.62046号 ·文件编号：10.1111/j.1467-9892.2006.00496.x [44] Fokianos，K。；Rao，T.S。；Rao，S.S。；Rao，C.R.，《统计手册：时间序列分析方法与应用》，30），《计算时间序列模型》，315-347（2012），阿姆斯特丹：Elsevier B.V出版社，阿姆斯特朗·Zbl 1242.62005年 [45] Fokianos，K。；Davis，R。；霍兰，S。；伦德，R。；Ravishanker，N.，《离散值时间序列手册，计数时间序列模型的统计分析：GLM视角》，3-28（2015），佛罗里达州博卡拉顿：CRC出版社，佛罗里达州波卡拉顿·Zbl 1331.62003号 [46] Fokianos，K。；Kedem，B.，“广义线性模型下时间序列的部分似然推断，时间序列分析杂志，25173-197（2004）·兹比尔1051.62073 ·网址：10.1046/j.0143-9782.2003.00344.x [47] Fokianos，K。；Tjötheim，D.，“对数泊松自回归，多元分析杂志，102563-578（2011）·Zbl 1207.62165号 ·doi:10.1016/j.jmva.200.11.002 [48] Fokianos，K。；Tjötheim，D.，“非线性泊松自回归，统计数学研究所年鉴，64，1205-1225（2012）·Zbl 1253.62058号 [49] Fokianos，K。；Rahbek，A。；Tjötheim，D.，“泊松自回归，美国统计协会杂志，1041430-1439（2009）·Zbl 1205.62130号 ·doi:10.1198/jasa.2009.tm08270 [50] Fokianos，K。；斯特夫，B。；特约西姆·D·。；Doukhan，P.，“多元计数自回归”，Bernoulli，26，471-499（2019）·Zbl 1456.62155号 [51] 弗拉利克斯，B。；Livsey，J。；Lund，R.，“具有周期动力学的更新序列，工程和信息科学中的概率，26，1-15（2012）·兹比尔1251.60068 ·doi:10.1017/S0269964811000209 [52] Franke，J.和Rao，T.S.（1995），“多元一阶整值自回归”，麻省理工大学数学系技术报告。 [53] Frühwirth-Schnatter，S.，“数据增强和动态线性模型，时间序列分析杂志，15183-202（1994）·Zbl 0815.62065号 ·doi:10.1111/j.1467-9892.1994.tb00184.x [54] Gamerman，D。；Abanto-Valle，C。；西尔瓦，R。；马丁斯，T。；Davis，R.A。；Holan，S.H。；伦德·R·B。；Ravishanker，N.，《离散值时间序列手册》，“离散值时间系列的动态贝叶斯模型”，165-186（2016），佛罗里达州博卡拉顿：CRC出版社，佛罗里达州波卡拉顿 [55] Gauthier，G。；拉图尔，A.，《过程GENAR（p）中参数估计值收敛研究》，《魁北克数学年鉴》，第18期，第49-71页（1994年）·兹比尔0852.62082 [56] Genest，C。；Nešlehová，J.，“Copulas计数数据入门，ASTIN公告，37，475-515（2007）·Zbl 1274.62398号 ·doi:10.2143/AST.37.2.2024077 [57] Graziadei，H.、Lopes，H.F.和Marques，P.C.（2020），“具有自适应过度分散的贝叶斯inar（1）模型”，预印本。 [58] Grigoriu，M.，“具有指定边界的多元分布：在风工程中的应用”，《工程力学杂志》，133174-184（2007）·doi:10.1061/（ASCE）0733-9399（2007）133:2（174） [59] 韩，Z。；De Oliveira，V.，“关于地质统计计数数据的高斯Copula模型的相关结构，澳大利亚和新西兰统计杂志，58，47-69（2016）·Zbl 1373.62560号 [60] Harvey，A.C.，《波动性和重尾的动态模型：金融和经济时间序列的应用》（2013），英国剑桥：剑桥大学出版社，英国剑桥·Zbl 1326.62001号 [61] Heinen，A.（2003），“时间序列计数数据建模：自回归条件泊松模型”，《MPRA技术报告》第8113号论文，德国慕尼黑大学图书馆。可在http://mpra.ub.uni-muenchen.de/8113/。 [62] 海宁，A。；Rengifo，E.，“使用Copulas对时间序列计数数据进行多元自回归建模”，《实证金融杂志》，第14期，第564-583页（2007年）·doi:10.1016/j.jempfin.2006.07.004 [63] Holan，S.H。；Wikle，C.K。；Davis，R.A。；霍兰，S.H。；伦德·R·B。；Ravishanker，N.，《离散值时间序列手册》，“离散值时空数据的分层动态广义线性混合模型”，327-348（2016），佛罗里达州博卡拉顿：CRC出版社，佛罗里达州波卡拉顿 [64] Holden，R.T.，“传染过程的时间序列分析，美国统计协会杂志，821019-1026（1987）·doi:10.1080/01621459.1987.10478532 [65] Hu，S.，《离散值时间序列的动态建模及其应用》（2012），康涅狄格大学：康涅狄克大学，斯托斯，美国康涅狄格州 [66] 贾，Y。；南卡罗来纳州凯查吉亚斯。；Livsey，J。；伦德·R·B。；Pipiras，V.，“潜在高斯计数时间序列建模”，《美国统计协会杂志》，修订版（2020年） [67] Jia，Y.、Lund，R.B.和Livsey，J.（2020b），“叠加平稳计数时间序列”，《工程和信息科学中的概率》，即将出版。 [68] Joe，H.，“卷积闭无穷可分类中具有单变量边际的时间序列模型，应用概率杂志，33664-677（1996）·Zbl 0865.60029号 ·doi:10.2307/3215348 [69] Joe，H.，《多元模型和依赖概念》（1997），伦敦：查普曼和霍尔出版社，伦敦·Zbl 0990.62517号 [70] Joe，H.，《与Copulas的依赖建模》（2014），佛罗里达州博卡拉顿：Chapman&Hall/CRC，佛罗里达州博卡拉顿·Zbl 1346.62001号 [71] Joe，H。；Davis，R.A。；Holan，S.H。；伦德，R.B。；Ravishanker，N.，《离散值时间序列手册》，带协变量的马尔可夫计数时间序列模型，29-49（2016），佛罗里达州博卡拉顿：CRC出版社，佛罗里达州波卡拉顿 [72] Joe，H.，“广义整数自回归时间序列模型的似然推断，计量经济学，7（2019）·doi:10.3390/经济计量学7040043。 [73] 约根森，B。；Lundbye-Christensen，S。；宋，P.X.-K。；Sun，L.，“多元纵向计数数据的状态空间模型，生物特征，86，169-181（1999）·Zbl 0916.62062号 [74] 荣格（Jung，R.）。；利森菲尔德，R。；Richard，J.-F.，“多元计数数据的动态因子模型：股票市场交易活动的应用”，《商业与经济统计杂志》，29，73-85（2011）·Zbl 1214.62092号 [75] Karlis，D。；Davis，R.A。；Holan，S.H。；伦德·R·B。；Ravishanker，N.，《离散值时间序列手册》，“计数的多变量时间序列建模”，407-424（2016），佛罗里达州博卡拉顿：CRC出版社，佛罗里达州博卡拉顿 [76] Karlis，D。；Meligkotsidou，L.，“具有协方差结构的多元泊松回归，统计与计算，15，255-265（2005）·数字对象标识代码：10.1007/s11222-005-4069-4 [77] Karlis，D。；Meligkotsidou，L.，“多元泊松回归的有限混合及其应用，统计规划与推断杂志，1371942-1960（2007）·Zbl 1116.60006号 [78] Karlis，D。；Pedeli，X.，“使用Copula的灵活双变量INA（1）过程，统计学中的通信-理论和方法，42，723-740（2013）·Zbl 1347.62194号 ·doi:10.1080/03610926.2012.754466 [79] Kedem，B.，“硬限制后平稳自回归过程参数的估计”，美国统计协会杂志，75，146-153（1980）·Zbl 0442.62073号 ·doi:10.1080/01621459.1980.10477445 [80] Kedem，B。；Fokianos，K.，《时间序列分析回归模型》（2002），新泽西州霍博肯：新泽西州威利·兹比尔1011.62089 [81] Latour，A.，“多元GINAR（p）过程，应用概率的进展，29，228-248（1997）·Zbl 0871.62073号 ·doi:10.2307/1427868 [82] Latour，A.，“非负整值自回归过程的存在性和随机结构，时间序列分析杂志，19439-455（1998）·兹比尔1127.62402 [83] Lee，Y。；Lee，S。；Tjötheim，D.，“二元泊松INGARCH模型的渐近正态性和参数变化检验，Test，27，52-69（2018）·Zbl 06852282号 ·doi:10.1007/s11749-016-0510-6 [84] Li，W.K.，“基于广义线性模型的时间序列模型：一些进一步的结果，生物统计学，50，506-511（1994）·Zbl 0825.62606号 ·doi:10.2307/2533393 [85] 利博希克，T。；Fokianos，K。；Fried，R.，“tscount:广义线性模型下计数时间序列分析的R包，统计软件杂志，82（2017）·doi:10.18637/jss.v082.i05 [86] Liu，H.，《计数时间序列的一些模型》（2012），哥伦比亚大学：美国哥伦比亚大学 [87] Livsey，J。；伦德·R·B。；南卡罗来纳州凯查吉亚斯。；Pipiras，V.，“具有灵活自协方差的多元整值时间序列及其在主要飓风计数中的应用”，《应用统计年鉴》，第12期，第408-431页（2018年）·兹比尔1393.62126 [88] 伦德·R·B。；Livsey，J。；Davis，R.A。；Holan，S.H。；伦德·R·B。；Ravishanker，N.，《离散值时间序列手册，基于更新的计数时间序列，101-120（2016）》，佛罗里达州博卡拉顿：佛罗里达州博卡拉顿CRC出版社 [89] 伦德·R·B。；Holan，S.H。；Livsey，J。；Davis，R.A。；Holan，S.H。；伦德·R·B。；Ravishanker，N.，离散值时间序列手册，长记忆离散值时间系列，447-458（2016），CRC出版社：CRC出版社，佛罗里达州博卡拉顿 [90] 马，J。；科克尔曼，K.M。；Damien，P.，“使用贝叶斯方法预测严重程度碰撞次数的多变量泊松对数正态回归模型，事故分析和预防，40964-975（2008）·doi:10.1016/j.aap.2007.11.002 [91] Mahamunulu，D.，“关于多元泊松分布回归的注释，美国统计协会杂志，62251-258（1967）·Zbl 0147.37802号 ·doi:10.1080/01621459.1967.10482905 [92] 马萨罗托，G。；Varin，C.，“高斯Copula边缘回归，电子统计杂志，61517-1549（2012）·Zbl 1336.62152号 ·doi:10.1214/12-EJS721 [93] McCullagh，P。；Nelder，J.A.，《广义线性模型》（1989），伦敦：查普曼和霍尔出版社，伦敦·Zbl 0744.62098号 [94] McCulloch，C.E。；塞尔，S.R。；Nehaus，J.M.，“广义、线性和混合模型（2008），新泽西州霍博肯：新泽西州威利·Zbl 1165.62050号 [95] McKenzie，E.，“负经济和几何边际分布的自回归移动平均过程，应用概率的进展，18，679-705（1986）·Zbl 0603.62100号 ·doi:10.2307/1427183 [96] McKenzie，E.，“泊松计数相关序列的一些ARMA模型，应用概率的进展，20822-835（1988）·Zbl 0664.62089号 ·doi:10.2307/1427362 [97] Minka，T.P.、Shmueli，G.、Kadane，J.B.、Borle，S.和Boatwright，P.（2003），“利用COM泊松分布进行计算”，技术报告·Zbl 1331.62086号 [98] Nelder，J.A。；Wedderburn，R.W.M.，“广义线性模型，皇家统计学会杂志，A辑，135，370-384（1972）·doi:10.2307/2344614 [99] Neumann，M.，“泊松计数过程的绝对正则性和遍历性”，伯努利，17，1268-1284（2011）·Zbl 1277.60089 ·文件编号：10.3150/10-BEJ313 [100] Nikoloulopoulos，A.K.，“关于使用连续扩展和模拟似然估计正常Copula离散回归模型，统计规划与推断杂志，1431923-1937（2013）·Zbl 1279.62116号 ·doi:10.1016/j.jspi.2013.06.015 [101] 保罗，M。；持有，L。；Toschke，A.M.，“传染病监测数据的多元建模，医学统计，276250-6267（2008）·doi:10.1002/sim.3440 [102] 佩德利，X。；Karlis，D.，“关于多元INAR（1）模型的复合似然估计，时间序列分析杂志，34206-220（2013）·Zbl 1274.62376号 ·doi:10.1111/jtsa.12003 [103] 佩德利，X。；Karlis，D.，“多元INA（1）过程的一些性质”，计算统计与数据分析，67，213-225（2013）·兹比尔1471.62158 [104] 皮皮拉斯，V。；Taqqu，M.S.，《长期依赖和自我相似性》（2017），英国剑桥：剑桥大学出版社，英国剑桥·Zbl 1377.60005号 [105] Ravishanker，N。；Serhiyenko，V。；Willig，M.R.，“多元时间序列计数、统计及其接口的层次动态模型”，第7559-570页（2014年）·Zbl 1388.62267号 ·doi:10.4310/SII.2014.v7.n4.a11 [106] Ravishanker，N。；R.文卡特桑。；胡，S。；Davis，R.A。；Holan，S.H。；伦德·R·B。；Ravishanker，N.，《离散值时间序列手册》，“具有营销应用的计数时间序列的动态模型”，425-446（2016），佛罗里达州博卡拉顿：CRC出版社，佛罗里达州波卡拉顿 [107] Royle，J.A。；Berliner，L.M.，“多元空间建模和预测的分层方法”，《农业、生物和环境统计杂志》，4，29-56（1999）·doi:10.2307/1400420 [108] H街。；马蒂诺，S。；肖邦，N.，“使用积分嵌套拉普拉斯近似对潜在高斯模型的近似贝叶斯推断”，《皇家统计学会杂志》，B辑，1319-392（2009）·Zbl 1248.62156号 ·doi:10.1111/j.1467-9868.2008.00700.x [109] Rydberg，T.H。；北谢泼德。；W.J.菲茨格拉德。；史密斯，R.L。；瓦尔登，A.T。；Young，P.C.，《非线性和非平稳信号处理，纽约证券交易所交易价格和时间的建模框架》，217-246（2000），剑桥：艾萨克牛顿研究所和剑桥大学出版社，剑桥 [110] 斯科托，M.G。；魏ß，C.H。；西尔瓦，M.E。；Pereria，I.，“二元二项自回归模型，多变量分析杂志，125233-251（2014）·Zbl 1283.62188号 ·doi:10.1016/j.jmva.2013.12.014 [111] 斯科托，M.G。；魏ß，C.H。；Gouveia，S.，“整数值时间序列分析中基于细化的模型：综述，统计建模，15290-618（2015）·Zbl 07259004号 ·doi:10.1177/1471082X15584701 [112] 卖方，K.F。；彭世杰。；Arab，A.，“离散计数数据的灵活单变量自回归时间序列模型，时间序列分析杂志，41，436-453（2020）·Zbl 1445.62238号 ·doi:10.1111/jtsa.12516 [113] Serhiyenko，V。；Ravishanker，N。；Venkatesan，R.，“治疗类竞争药物处方计数时间模式的多阶段多变量建模，商业和工业应用随机模型，34，61-78（2017）·Zbl 1411.62328号 ·doi:10.1002/asmb.2232 [114] Sim，T.，部分观测马尔可夫模型中的最大似然估计及其在计数时间序列中的应用（2016），Télécom ParisTech [115] 史密斯，M.S。；Khaled，M.A.，“通过贝叶斯数据增强估计具有离散边缘的Copula模型”，美国统计协会杂志，107，290-303（2012）·Zbl 1261.62051号 ·doi:10.1080/016214519.2011.644501 [116] Streett，S.，《统计时间序列的一些观测驱动模型》（2000），科罗拉多州立大学统计系：科罗拉多州立学院统计系，科罗拉多州柯林斯堡 [117] Tong，H.，《动力系统方法》，非线性时间序列（1990），纽约：牛津大学出版社，纽约市·Zbl 0716.62085号 [118] Tong，Y.L.，《多元正态分布》（1990），纽约市：Springer-Verlag出版社，纽约市·Zbl 0689.62036号 [119] 王，C。；刘，H。；姚，J.-F。；Davis，R.A。；Li，W.K.，“自激阈值泊松自回归，美国统计协会杂志，109777-787（2014）·Zbl 1367.62267号 ·doi:10.1080/01621459.2013.872994 [120] Wang，J.C。；Holan，S.H。；南德拉姆，B。；巴博萨，W。；托托，C。；Anderson，E.，“基于多次重复调查估计农业产量的贝叶斯方法，农业、生物和环境统计杂志，1784-106（2012）·Zbl 1302.62284号 ·doi:10.1007/s13253-011-0067-5 [121] Weiß，C.H.，“泊松-INARMA模型的序列相关性和回归，统计规划和推断杂志，1382975-2990（2008）·Zbl 1140.62069号 ·doi:10.1016/j.jspi.2007.11.009文件 [122] Weiß，C.H.，《离散值时间序列导论》（2018），新泽西州霍博肯：新泽西州霍博肯市威利·Zbl 1407.62009年 [123] Whitt，W.，“给定边缘的二元分布，统计年鉴，41280-1289（1976）·Zbl 0367.62022号 ·doi:10.1214/aos/1176343660 [124] Withers，C.S.，“多元Hermite多项式、统计和概率字母的简单表达式，165-169（2000）·Zbl 0969.62040号 ·doi:10.1016/S0167-7152（99）00153-4 [125] Wong，W.H.，“部分可能性理论，统计年鉴，1488-123（1986）·Zbl 0603.62032号 [126] Wu，G。；Holan，S.H。；Wikle，C.K.，“具有动态分散的分层贝叶斯时空Conway-Maxwell Poisson模型”，《农业、生物和环境统计杂志》，18，1-22（2013）·Zbl 1303.62100号 ·doi:10.1007/s13253-013-0141-2 [127] Wu，W。；Shao，X.，“迭代随机函数的极限定理，应用概率杂志，41，425-436（2004）·兹比尔1046.60024 ·doi:10.1239/jap/1082999076 [128] Zeger，S.L.，“计数时间序列的回归模型，生物特征，75，621-629（1988）·Zbl 0653.62064号 ·doi:10.1093/biomet/75.4.621 [129] Zeger，S.L。；Qaqish，B.，“时间序列的马尔可夫回归模型：拟似然方法，生物计量学，441019-1031（1988）·Zbl 0715.62166号 ·doi:10.2307/2531732 [130] Zhang，J.，“带形状约束的时间序列建模（2018） [131] 朱，R。；Joe，H.，“基于期望细化的统计数据时间序列模型，随机模型，26431-462（2010）·Zbl 1209.62205号 ·doi:10.1080/15326349.2010.498318 [132] 西祖奇尼。；麦克唐纳，I.L.，《时间序列的隐马尔可夫模型：使用R的简介》（2009），佛罗里达州博卡拉顿：查普曼和霍尔/CRC，佛罗里达州波卡拉顿·兹比尔1180.62130 [133] 西祖奇尼。；麦克唐纳，I.L。；Davis，R.A。；Holan，S.H。；伦德，R.B。；Ravishanker，N.，《离散值时间序列手册》，离散值时间系列的隐马尔可夫模型，267-286（2016），佛罗里达州博卡拉顿：CRC出版社，佛罗里达州波卡拉顿 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。