福基亚诺斯、康斯坦丁诺斯;弗莱德，罗兰;尤里·哈林;瓦莱里·沃洛什科 多元离散值时间序列的统计分析。 （英语） Zbl 1482.62090号 《多元分析杂志》。 188，文章ID 104805，15 p.（2022）. 作者对多变量离散值时间序列的一些模型的统计分析进行了概述。他们回顾了观测驱动模型和基于高阶马尔可夫链的模型。审核人：B.L.S.Prakasa Rao（海得拉巴） 引用于4文件 理学硕士： 62M10个 统计学中的时间序列、自相关、回归等（GARCH） 2005年6月2日 马尔可夫过程：估计；隐马尔可夫模型 62甲12 多元分析中的估计 关键词：分类时间序列;积分时间序列;自回归 软件：法尔迈尔 PDF格式BibTeX公司 XML格式引用 \textit{K.Fokianos}等人，《多元分析杂志》。188，文章ID 104805，15 p.（2022；Zbl 1482.62090） 全文： 内政部 参考文献： [1] Agresti，A.，《分类数据分析》（2002），John Wiley&Sons:John Willey&Sons New York·Zbl 1018.6202号 [2] 艾哈迈德（Ahmad，A.），《圣殿骑士团（Séries TemporellesáValeurs Entières）的贡献》（2016），查尔斯·戴高乐大学III：法国戴高乐三大学，（博士论文） [3] Alzaid，M.Al-Osch，一个积分值的三阶自回归结构（INAR）过程，J.Appl。概率。，27, 314-324 (1990) ·Zbl 0704.62081号 [4] Andreassen，C.M.，《相关计数数据的模型和推断》（2013年），丹麦阿胡斯大学（博士论文） [5] 阿米洛塔，M。；Fokianos，K.，泊松网络自回归（2021），网址：https://arxiv.org/abs/1204.06296 [6] Basawa，I.，《随机过程的统计推断》（1980），学术出版社：伦敦学术出版社·Zbl 0448.62070号 [7] 巴苏，A。；哈里斯，I.R。；Hjort，N.L。；Jones，M.C.，通过最小化密度功率发散进行稳健有效的估计，Biometrika，85，549-559（1998）·Zbl 0926.62021号 [8] Beare，B。；Seo，J.，平稳多元马尔可夫链的Vine copula规范，J.时间序列分析。，36, 228-246 (2015) ·兹比尔132062224 [9] Berentsen，G.D。；斯特夫，B。；特约西姆·D·。；Nordbö，T.，《识别和可视化连接函数：使用局部高斯近似的方法》，《保险数学》。经济。，57, 90-103 (2014) ·Zbl 1304.62085号 [10] Bielecki，T。；Jakubowski，J。；Nieweglowski，M.，《多元马尔可夫链组件之间依赖的复杂性：弱马尔可夫一致性和弱马尔可夫copulae》，电子。J.概率。，18, 21 (2013) ·Zbl 1290.60072号 [11] Billingsley，P.，《马尔可夫链中的统计方法》，《数学年鉴》。Stat.，30，417-437（1961） [12] Bracher，J。；Held，L.，传染病预测用离散时间序列区间分布的地方性流行病模型，国际期刊预测。(2020) [13] Brockwell，P.J。；Davis，R.A.，《时间序列：数据分析和理论》（1991），Springer:Springer New York·Zbl 0709.62080号 [14] Bühlmann，P。；Wyner，A.J.，可变长度马尔可夫链，Ann.Statist。，27, 480-513 (1999) ·Zbl 0983.62048号 [15] 卡梅隆。；Trivedi，P.K.，（《计数数据的回归分析》，《计量经济学社会专题论文》，第53卷（2013年），剑桥大学出版社：剑桥大学出版社）·Zbl 1301.62003号 [16] 查克拉博蒂，K。；Mehrotra，K。；莫汉，C。；Ranka，S.，使用神经网络预测多元时间序列的行为，神经网络。，5, 961-970 (1992) [17] Ching，W。；Ng，M.，《马尔可夫链：算法和应用》（2006），施普林格科学+商业媒体·Zbl 1089.60003号 [18] Ching，W。；Zhu，D.，关于分类数据序列的高维马尔可夫链模型及其应用，（《科学计算和矩阵分析的最新进展》（2011），国际出版社：马萨诸塞州萨默维尔国际出版社），15-34·兹比尔1279.60090 [19] 克里斯托，V。；Fokianos，K.，《计数时间序列预测》，J.Stat.Compute。同时。，2, 357-373 (2015) ·Zbl 1457.62258号 [20] 克利夫，A。；Ord，J.，《空间自相关》（1973），《先驱：先驱伦敦》 [21] 克罗克斯，C。；Joossens，K.，用最小二乘法对向量自回归模型进行稳健估计，Compstat，2008，489-501（2008）·Zbl 1148.62067号 [22] 崔，Y。；Zhu，F.，一个新的考虑负相关的二元积分值garch模型，Test，27428-452（2018）·Zbl 1404.62085号 [23] Czado，C。；Gneiting，T。；Held，L.，计数数据的预测模型评估，生物统计学，651254-1261（2009）·Zbl 1180.62162号 [24] D.M.Hubert，M。；Rousseeuw，P.，最小协方差行列式及其扩展，WIREs Comput。Stat.，10，第1421条pp.（2018） [25] Dahlhaus，R.，局部平稳过程的似然近似，Ann.Statist。，28, 1762-1794 (2000) ·Zbl 1010.62078号 [26] Davis，R.A。；邓斯密尔，W.T.M。；Wang，Y.，关于泊松回归模型中的自相关，Biometrika，87，491-505（2000）·Zbl 0956.62075号 [27] Davis，R.A。；Fokianos，K。；Holan，S.H。；Joe，H。；Livsey，J。；伦德，R。；皮皮拉斯，V。；Ravishanker，N.，《计数时间序列：方法综述》，J.Amer。统计师。协会（2021），（印刷中） [28] （Davis，R.A.；Holan，S.H.；Lund，R.；Ravishanker，N.，《现代统计方法手册》，《离散值时间序列手册》（2016），Chapman&Hall/CRC：Chapman和Hall/CCR伦敦） [29] Davis，R.A。；Liu，H.，一类非线性模型的理论和推理及其在计数时间序列中的应用，统计学。Sinica，26，1673-1707（2016）·Zbl 1356.62137号 [30] Debaly，Z.M。；Truquet，L.，一些多元计数自回归的平稳性和矩性质（2019），arXiv预印本arXiv:1909.11392 [31] Debaly，Z.M。；Truquet，L.，混合数据的多元时间序列模型（2021年），在线阅读https://arxiv.org/abs/2014.01067 [32] Denuit，M。；Lambert，P.，《二元离散数据中一致性度量的约束》，《多元分析杂志》。，93, 40-57 (2005) ·Zbl 1095.62065号 [33] Doob，J.，《随机过程》（1953），威利出版社：威利纽约·Zbl 0053.26802号 [34] 杜克，R。；Roueff，S.T.F.，部分观测马尔可夫链的渐近归一化对数似然最大集，《应用年鉴》。概率。，26, 2357-2383 (2016) ·Zbl 1352.60102号 [35] Doukhan，P.，（混合：特性和示例。混合：特性与示例，统计学讲义，第85卷（1994），Springer-Verlag:Springer-Verlag纽约）·Zbl 0801.60027号 [36] 杜尔，A.F.R。；Liboschik，T.，（部分）自相关的稳健估计，WIREs计算。统计，7205-222（2015） [37] Eichler，M.，多元时间序列的图形建模，Probab。理论相关领域，153，233-268（2012）·Zbl 1316.60049号 [38] 埃尔赛义德，H。；Fried，R.，《inarch模型的稳健拟合》，《时间序列分析杂志》。，35, 517-535 (2014) ·兹比尔1311.62144 [39] Elsaied，H。；Fried，R.，《关于负二项回归模型的稳健估计》，Metron（2021），（正在出版）·Zbl 1476.62182号 [40] Fahrmeir，L。；Tutz，G.，基于广义线性模型的多元统计建模（2001），Springer:Springer New York·Zbl 0980.62052号 [41] Farcomeni，A.，基于潜在马尔可夫异质结构的广义线性混合模型，Scand。J.Stat.，42，1127-1135（2015）·Zbl 1419.62173号 [42] 费兰德，R。；拉图尔，A。；Oraichi，D.，整值GARCH过程，J.时间序列分析。，27, 923-942 (2006) ·Zbl 1150.62046号 [43] Fokianos，K.，《多元计数时间序列建模技术报告（2021）》，网址：https://arxiv.org/abs/2103.08028 [44] Fokianos，K。；Kedem，B.，分类时间序列回归理论，统计学。科学。，18, 357-376 (2003) ·Zbl 1055.62095号 [45] 福基阿诺斯，K。；Rahbek，A。；Tjötheim，D.，泊松自回归，J.Amer。统计师。协会，1041430-1439（2009）·Zbl 1205.62130号 [46] Fokianos，K。；Støve，B。；特约西姆·D·。；Doukhan，P.，多元计数自回归，Bernoulli，26，471-499（2020）·Zbl 1456.62155号 [47] Fokianos，K。；Tjötheim，D.，对数泊松自回归，J.多元分析。，102, 563-578 (2011) ·Zbl 1207.62165号 [48] Fokianos，K。；Truquet，L.，关于协变量的分类时间序列模型，随机过程。申请。，129 (2019) ·Zbl 1431.62370号 [49] 弗兰克·R。；戴维，N。；Hunt，S.，《时间序列预测和神经网络》，J.Intell。机器人。系统。，31, 91-103 (2001) ·Zbl 0990.68113号 [50] Gamboa，J.，《时间序列分析的深度学习》（2017），arXiv:1701.01887 [51] Garcia Ben，M.M.E.J。；Yohai，V.，向量自回归滑动平均模型中的稳健估计，《时间序列分析》。，20, 381-399 (1999) ·Zbl 0956.62074号 [52] 盖革，B。；彼得罗夫，T。；库宾，G。；Koeppl，H.，《通过信息瓶颈实现最优Kullback-Leibler聚合》，IEEE Trans。自动化。控制，60，1010-1022（2015）·Zbl 1360.94153号 [53] Genest，C。；Nešlehová，J.，计数数据的连接线引物，Astin Bull。，37, 475-515 (2007) ·Zbl 1274.62398号 [54] Girardin，V。；科涅夫，V。；Pergamenchtchikov，S.，Kullback-Leibler关于马尔可夫时间序列CUSUM最快检测规则的方法，序列分析。，37, 322-341 (2018) ·Zbl 1431.62378号 [55] Grunwald，G.K。；Hyndman，R.J。；Tedesco，L。；Tweedie，R.L.，非高斯条件线性AR（1）模型，澳大利亚。N.Z.J.Stat.，42479-495（2000年）·Zbl 1018.62065号 [56] 霍尔，E.C。；Raskutti，G。；Willett，R.M.，学习高维广义线性自回归模型，IEEE Trans。通知。理论，652401-2422（2019）·Zbl 1432.62228号 [57] 哈维，A.C。；Fernandes，C.，计数或定性观察的时间序列模型，J.Bus。经济。统计人员。，7407-422（1989），讨论 [58] Hayashi先生。；Watanabe，S.，马尔可夫链中参数估计的信息几何方法，Ann.Statist。，44, 1495-1535 (2016) ·Zbl 1347.62182号 [59] Heinen，A.，《时间序列计数数据建模：自回归条件泊松模型技术报告》，MPRA论文8113（2003），慕尼黑大学图书馆：慕尼黑德国大学图书馆，Availabelhttp://mpra.ub.uni-muenchen.de/8113/ [60] 海宁，A。；Rengifo，E.，使用连接函数对时间序列计数数据进行多元自回归建模，J.Empir。财务。，14, 564-583 (2007) [61] 徐新杰。；洪，H.-L。；Chang，Y.-M.，使用套索选择向量自回归过程的子集，计算。统计师。数据分析。，52, 3645-3657 (2008) ·Zbl 1359.62296号 [62] Inouye，D.I。；杨，E。；艾伦，G.I。；Ravikumar，P.，《泊松分布计数数据的多元分布综述》，WIREs Compute。统计，9（2017年） [63] 雅各布斯，P。；Lewis，P.，《由混合物生成的离散时间序列I：相关性和运行特性》，J.R.Stat.Soc.Ser。B统计方法。，40, 94-105 (1978) ·Zbl 0374.62087号 [64] 贾毅。；南卡罗来纳州凯查吉亚斯。；利夫西，J。；伦德，R。；Pipiras，V.，使用高斯连接函数进行计数时间序列建模（2020年） [65] Joe，H.，多元模型和依赖概念（1997），查普曼和霍尔：查普曼&霍尔伦敦·Zbl 0990.62517号 [66] 约翰逊，N.L。；科茨，S。；Balakrishnan，N.，《离散多元分布》（1997），John Wiley:John Wiley纽约·Zbl 0868.62048号 [67] 约尔根森，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，Biometrika，86，169-181（1999）·Zbl 0916.62062号 [68] 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》，J.Bus。经济。统计人员。，29, 73-85 (2011) ·Zbl 1214.62092号 [69] Karlis，D。；Meligkotsidou，L.，多元泊松分布的有限混合及其应用，统计学杂志。计划。推断，1371942-1960（2007）·Zbl 1116.60006号 [70] Katehakis，M.N。；Smit，L.C.，一类马尔可夫链的连续集总过程，Probab。工程通知。科学。，26, 4, 483-508 (2012) ·Zbl 1261.60071号 [71] Kedem，B。；Fokianos，K.，《时间序列分析的回归模型》（2002年），Wiley:新泽西州Wiley Hoboken·Zbl 1011.62089号 [72] Kharin，Y.，《统计预测的稳健性》（2013），Springer:Springer New York·Zbl 1281.62215号 [73] Kharin，A.，关于（m）值随机序列参数的假设序列检验的稳健性，J.Math。科学。，189, 924-931 (2013) ·Zbl 1267.62083号 [74] Kharin，Y.，用简约高阶马尔可夫链对离散值时间序列进行统计分析，奥斯汀。J.Stat.，49，76-88（2020） [75] 哈林，Y。；Kislach，M.，用基于频率的估计量对泊松条件非线性自回归时间序列进行统计分析，模式识别。图像分析。，30, 22-26 (2020) [76] 哈林，Y。；Maltsew，M.，《高阶相关性的统计分析》，Acta Comment。塔尔图大学。数学。，21, 37-45 (2017) ·兹比尔1370.60119 [77] 哈林，Y。；Piatlitski，A.，《部分连接的马尔可夫序链及其参数的统计推断》，《离散数学》。申请。，17, 295-317 (2007) ·Zbl 1282.62178号 [78] 哈林，Y。；Vecherko，E.，带嵌入的二元马尔可夫链模型参数的统计估计，离散数学。申请。，23, 153-169 (2013) ·Zbl 1279.62172号 [79] 哈林，Y。；Voloshko，V.，离散值时间序列的二项式条件非线性自回归模型及其概率和统计特性，Trans。Inst.数学。NAS白俄罗斯，26，95-105（2019） [80] Kharin，Y。；Voloshko，V.，离散随机序列的半二项式条件非线性自回归模型；概率特性和统计参数估计，离散数学。申请。，30, 417-437 (2020) ·Zbl 1460.62154号 [81] 哈林，Y。；Voloshko，V.，带离散回归变量的条件生物学非线性回归时间序列的统计分析，理论概率。数学。统计人员。，100, 181-190 (2020) ·Zbl 1446.62245号 [82] 哈林，Y。；Voloshko，V.，基于多元条件频率的二项式条件非线性自回归时间序列的稳健估计，《多元分析杂志》。，185，第104777条pp.（2021）·Zbl 1470.62131号 [83] 哈林，Y。；Voloshko，V。；O.德纳科娃。；马卢金，V。；Kharin，A.，《白俄罗斯共和国新冠肺炎发病率流行病学指标动态的统计预测》，J.白俄罗斯。州立大学数学。通知。，3, 36-50 (2020) [84] 哈林，Y。；Voloshko，V。；Medved，E.，二元条件非线性自回归时间序列参数的统计估计，数学。方法统计。，26, 103-118 (2018) ·Zbl 1401.62159号 [85] Kharin，Y。；Zhurak，M.，基于泊松条件自回归模型的时空数据统计分析，Informatica，26，67-87（2015）·Zbl 06867720号 [86] Kim，B。；Lee，S.，多元时间序列协方差矩阵的稳健估计，《时间序列分析》。，32, 469-481 (2011) ·Zbl 1294.62205号 [87] Kitromilidou，S。；Fokianos，K.，Mallows对数泊松自回归的拟似然估计，统计推断Stoch。工艺。，19, 337-361 (2016) ·Zbl 1349.62409号 [88] Kitromilidou，S。；Fokianos，K.，一类对数线性计数时间序列模型的稳健估计方法，J.Stat.Compute。同时。，86, 740-755 (2016) ·Zbl 1510.62362号 [89] Kocherlakota，S。；Kocherlakota，K.，双变量离散分布（1992），Marcel Dekker，Inc.：Marcel Dekker，Inc.纽约·Zbl 0794.6202号 [90] 康托伊亚尼斯，I。；Mertzanis，L。；Panotopoulou，A。；帕帕佐古，I。；Skoularidou，M.，《贝叶斯上下文树：离散时间序列的建模和精确推断》（2020年），在线阅读https://arxiv.org/abs/2007.14900 [91] Koochemeshkian，P。；北扎姆扎米。；Bouguila，N.，《计数数据的灵活分布回归模型：在医学诊断中的应用》，Cybern。系统。，51, 442-466 (2020) [92] L.-S.Kim，B。；Kim，D.，双变量Poisson INGARCH模型的稳健估计，熵，23367（2021） [93] Latour，A.，多元GINAR（p）过程，高级应用。概率。，29, 228-248 (1997) ·Zbl 0871.62073号 [94] Lee，Y。；Lee，S。；Tjötheim，D.，双变量Poisson INGARCH模型的渐近正态性和参数变化检验，检验，27，52-69（2018）·Zbl 06852282号 [95] 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（博士论文） [96] Livsey，J。；伦德，R。；南卡罗来纳州凯查吉亚斯。；Pipiras，V.，具有灵活自协方差的多变量整数值时间序列及其在大型飓风计数中的应用，Ann.Appl。统计，12，408-431（2018）·Zbl 1393.62126号 [97] Lütkepohl，H.，《多重时间序列分析新导论》（2005年），《施普林格-弗拉格：柏林施普林格》·Zbl 1072.62075号 [98] Maevskii，V。；Kharin，Y.S.，模型中函数畸变下的稳健回归预测，Autom。遥控器，631803-1820（2002）·Zbl 1116.93406号 [99] Maletz，S.，《计数数据的时空模型》（2021年），多特蒙德大学：德国多特蒙德大学，（硕士论文） [100] Malhotra，P。；维格·L。；Shroff，G。；Agarwal，P.，用于时间序列中异常检测的长短期记忆网络，（欧洲人工神经网络研讨会（ESANN）（2015）） [101] 马歇尔，A.W。；Olkin，I.，多元分布族，J.Amer。统计师。协会，83，834-841（1988）·Zbl 0683.62029号 [102] 麦卡拉，P。；Nelder，J.A.，广义线性模型（1989），查普曼和霍尔：查普曼&霍尔伦敦·Zbl 0744.62098号 [103] 梅耶，S。；Held，L.，传染病传播的幂律模型，Ann.Appl。《统计》，第8卷，1612-1639页（2014年）·Zbl 1304.62135号 [104] Moysiadis，T。；Fokianos，K.，《关于带反馈的二进制和分类时间序列模型》，J.《多元分析》。，131, 209-228 (2014) ·Zbl 1298.62155号 [105] 穆勒，N。；Yohai，V.，向量自回归模型的稳健估计，计算。统计师。数据分析。，65, 68-79 (2013) ·Zbl 1471.62146号 [106] Nelsen，R.B.，（《连词导论》，《连词概论》，统计学讲义，第139卷（1999年），Springer-Verlag:Springer-Verlag，纽约）·兹比尔0909.62052 [107] Nicolau，J.，多元马尔可夫链的新模型，Scand。J.Stat.，41，1124-1135（2014）·Zbl 1305.60061号 [108] Nikoloulopoulos，A.K.，关于使用连续延拓和模拟似然估计正态copula离散回归模型，J.Statist。计划。推理，1431923-1937（2013）·Zbl 1279.62116号 [109] Onsager，L.，《水晶统计》。一个具有序-序转换的二维模型，Phys。第二版，65，117-149（1944）·兹比尔0060.46001 [110] Panagiotelis，A。；Czado，C。；Joe，H.，多元离散数据的配对copula构造，J.Amer。统计师。协会，107，1063-1072（2012）·Zbl 1395.62114号 [111] 帕帕彼得鲁，M。；Kugiumtzis，D.，带条件互信息的马尔可夫链序估计，Physica A，3921593-1601（2013） [112] 保罗，M。；持有，L。；Toschke，A.M.，传染病监测数据的多变量建模，Stat.Med.，276250-2667（2008） [113] 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》。，34, 206-220 (2013) ·Zbl 1274.62376号 [114] 佩德利，X。；Karlis，D.，多元INAR（1）过程的一些性质，计算。统计师。数据分析。，67, 213-225 (2013) ·Zbl 1471.62158号 [115] Pfeifer等人。；Deutsch，S.，《时空建模的三阶段迭代程序》，《技术计量学》，22，35-47（1980）·Zbl 0429.62066号 [116] Raftery，A.，高阶马尔可夫链模型，J.R.Stat.Soc.Ser。B统计方法。，47, 528-539 (1985) ·Zbl 0593.62091号 [117] Raftery，A。；Tavare，S.，用混合转移分布模型估计和建模高阶马尔可夫链中的重复模式，J.Appl。《美国法令》B，43，179-199（1994）·Zbl 0825.62667号 [118] Ravishanker，N。；R.文卡特桑。；Hu，S.，《具有营销应用的计数时间序列的动态模型》，（Davis，R.；Holan，S.；Lund，R.，Ravishanker，N.，《离散值时间序列手册》，《现代统计方法手册》（2015），查普曼和霍尔：查普曼与霍尔伦敦），425-446 [119] Rüschendorf，L.，Copulas，Sklar定理和分配变换，（数学风险分析：相关性、风险边界、最优分配和投资组合（2013），施普林格-柏林-海德堡：施普林格–柏林-海德堡-柏林，海德堡），3-34·Zbl 1266.91001号 [120] Ryabko，B。；阿斯托拉，J。；Malytov，M.，《基于压缩的时间序列统计分析和预测方法》（2016），Springer·Zbl 1360.94001号 [121] Rydberg，T.H。；Shephard，N.，《纽约证券交易所交易价格和时间的建模框架》（Fitzgerlad，W.J.；Smith，R.L.；Walden，A.T.；Young，P.C.，《非线性和非平稳信号处理》（2000），艾萨克牛顿研究所和剑桥大学出版社：艾萨克纽顿研究所和坎布里奇大学出版社）， 217-246 ·Zbl 1052.91513号 [122] Sklar，A.，《（n）维与勒尔市场划分函数》，Publ。巴黎国立大学，8229-231（1959）·Zbl 0100.14202号 [123] 宋，P.X.-K。；李，M。；Yuan，Y.，使用高斯交配对相关数据进行联合回归分析，生物计量学，65，60-68（2009）·Zbl 1159.62049号 [124] Sturmfels，B.，《高阶马尔可夫链的几何》，J.Algebr。统计，3，1-10（2012）·Zbl 1347.60103号 [125] Tsay，R.S.，《多元时间序列分析》（2014），John Wiley&Sons，Inc.：新泽西州霍博肯John Willey&Sons公司·兹比尔1279.62012 [126] Veraart，A.E.，《使用拖网过程的多元计数时间序列建模、模拟和推断》，《多元分析杂志》。，169, 110-129 (2019) ·Zbl 1404.60048号 [127] Weiss，C.H.，一类二元ARMA模型的性质，统计学，43，131-138（2009）·Zbl 1282.62207号 [128] Weiss，C.H.，《离散值时间序列简介》（2018），乔恩·威利：乔恩·韦利·霍博肯，新泽西州·Zbl 1407.62009年 [129] West，M.，《多元时间序列的贝叶斯预测：可扩展性、结构不确定性和决策》，《Ann.Inst.Statist》。数学。，72, 1-31 (2020) ·Zbl 1436.62441号 [130] Yang，L。；Frees，E.W。；Zhang，Z.，具有离散结果的copula回归模型的非参数估计，J.Amer。统计师。协会，115，707-720（2020）·Zbl 1445.62062号 [131] Zeger，S.L。；Qaqish，B.，时间序列的马尔可夫回归模型：拟似然方法，生物统计学，441019-1031（1988）·Zbl 0715.62166号 [132] 张，D。；Wu，W.B.，高维时间序列的高斯近似，Ann.Statist。，45, 1895-1919 (2017) ·Zbl 1381.62254号 [133] Zhang，Y。；周，H。；周，J。；Sun，W.，多元计数数据的回归模型，J.Compute。图表。统计人员。，26, 1-13 (2017) [134] 郑毅。；刘，Q。；陈，E。；Ge，Y。；Zhao，J.，（使用多通道深度卷积神经网络进行时间序列分类。使用多通道深卷积神经网进行时间序列的分类，使用多通道深层卷积神经网路进行时间序列划分（2014），Springer），298-310 [135] 朱，X。；潘，R。；李·G。；刘，Y。；王宏，网络向量自回归，统计年鉴。，45, 1096-1123 (2017) ·Zbl 1381.62256号 此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且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。