安德烈斯·阿隆索。;阿娜·西波尔斯（Ana E.Sipols）。;西尔维娅·昆塔斯 时间序列内插间隔的单指数模型程序。 （英语） Zbl 1306.65019号 计算。斯达。 28，第4期，1463-1484（2013）. 摘要：在本文中，我们提出了一种使用单指标模型构造一般线性过程的插值区间的方法。我们提供了一个广泛的蒙特卡罗实验，研究了该过程的有限样本特性。最后，我们通过一个实际数据示例说明了该方法的性能。 引用于1文件 理学硕士： 62-08 统计问题的计算方法 关键词：单指数模型;插值间隔;筛选引导程序 软件：其mr;TRAMO公司 PDF格式BibTeX公司 XML格式引用 \textit{A.M.Alonso}等人，计算。Stat.28，No.4，1463-1484（2013；Zbl 1306.65019） 全文： 内政部 链接 参考文献： [1] Ahn H，Powell JL（1993）具有非参数选择机制的删失选择模型的半参数估计。《经济学杂志》58:3-29·Zbl 0772.62063号 [2] Alonso AM（2001）时间序列中的重采样技术和缺失值。马德里卡洛斯三世大学博士论文·Zbl 0770.62049号 [3] Alonso AM，Peña D，Romo J（2002）《用筛选引导法预测时间序列》。J Stat Plan推断100:1-11·Zbl 1007.62077号 ·doi:10.1016/S0378-3758（01）00092-1 [4] Alonso AM，Peña D，Romo J（2003）《筛网引导预测区间》。统计Probab Lett 65（1）：13-20·Zbl 1048.62049号 [5] Alonso AM，Romo J（2005）使用重新采样方法预测急性疾病的预期非流行病发病率。应用统计杂志32:281-295·Zbl 1121.62312号 [6] Alonso AM，Sipols AE（2008）插值间隔的时间序列引导程序。计算统计数据分析52:1792-1805·Zbl 1452.62613号 ·doi:10.1016/j.csda.2007.05.029 [7] Beveridge S（1992）时间序列中缺失值的最小二乘估计。公共统计理论方法21:3479-3496·网址：10.1080/03610929208830990 [8] Brockwell PJ，Davis RA（2001）时间序列和预测简介。纽约州施普林格·Zbl 0994.62085号 [9] Bühlmann P（1997）时间序列的Sieve引导。伯努利3:123-148·Zbl 0874.62102号 ·doi:10.2307/3318584 [10] Cao R，Delgado MA，González-Manteiga W（1997）非参数曲线估计：概述。经济调查21:209-252 [11] Carroll RJ，Fan J，Gijbels I，Wand MP（1997）广义部分线性单指数模型。美国统计协会杂志92:477-489·Zbl 0890.62053号 ·doi:10.1080/01621459.1997.10474001 [12] Delecroix M，Härdle W，Hristache M（2003）条件单指数回归中的有效估计。多变量分析杂志86:213-226·Zbl 1019.62035号 [13] Gallant AR，Nychka D（1987）半非参数极大似然估计。计量经济学55:363-390·Zbl 0631.62110号 ·doi:10.2307/1913241 [14] Geenens G，Delecroix M（2006）关于单指数模型理论的调查。国际J统计系统1:203-230 [15] Gómez V，Maravall A（1996）编程TRAMO（含ARIMA噪声、缺失观测值和异常值的时间序列回归）和SEATS（ARIMA时间序列中的信号提取）。用户须知，工作文件9628，西班牙银行，马德里·Zbl 1045.62035号 [16] Gómez V，Maravall A，PeñA D（1997）ARIMA模型中的缺失观测。工作文件9701，西班牙银行，马德里·兹比尔1054.62621 [17] Gómez V，Maravall A，PeñA D（1999）ARIMA模型中的缺失观测：跳过方法与加性异常值方法。经济学杂志88:341-363·兹比尔1054.62621 ·doi:10.1016/S0304-4076（98）00036-0 [18] Guerrero VM，Peña D（2000）时间序列分析中限制和预测的线性组合。J预测19:103-122·Zbl 1045.62035号 [19] Härdle W，Hall P，Ichimura H（1993），单指数模型中的最优平滑。Ann Stat年鉴21:157-178·Zbl 0770.62049号 ·doi:10.1214/aos/1176349020 [20] Härdle W，Müller M，Sperlich S，Werwatz A（2004）非参数和半参数模型。施普林格，柏林·Zbl 1059.62032号 ·doi:10.1007/978-3-642-17146-8 [21] Härdle W，Stoker TM（1989）用平均导数方法研究平滑多元回归。美国统计协会杂志84:986-995·Zbl 0703.62052号 [22] Hristache M，Juditsky A，Spokoiny V（2001）单指数模型中指数系数的直接估计。安统计29:595-623·Zbl 1012.62043号 ·doi:10.1214/aos/1009210681 [23] Hurvich CM，Tsai C-L（1989）小样本回归和时间序列模型选择。生物特征76:297-307·Zbl 0669.62085号 ·doi:10.1093/biomet/76.2.297 [24] Ichimura H（1993）单指数模型的半参数最小二乘（SLS）和加权SLS估计。《经济学杂志》58:71-120·Zbl 0816.62079号 [25] Jones R（1980）ARMA模型对缺失观测值时间序列的最大似然拟合。技术计量学22:389-395·Zbl 0451.62069号 ·doi:10.1080/00401706.1980.10486171 [26] Klein R，Spady R（1993）二元响应模型的有效半参数估计。计量经济学61:387-421·Zbl 0783.62100号 ·doi:10.2307/2951556 [27] Kreiss J-P（1988）一类随机过程的渐近统计推断。汉堡大学，Habilitationsschrift [28] Kreiss J-P，Franke J（1992）自举平稳自回归移动平均模型。时间序列分析杂志13:297-317·兹比尔0787.62092 ·doi:10.1111/j.1467-9892.1992。tb00109.x [29] Ljung GM（1989）关于时间序列中缺失值估计的注释。公共统计模拟计算18:459-465·Zbl 0695.62213号 ·doi:10.1080/03610918908812770 [30] Ljung GM（1993）关于时间序列中的异常值检测。J R Stat Soc序列B 55:559-567·Zbl 0793.62048号 [31] Peña D、Maravall a（1991）插值、离群值和逆自相关。公共统计理论方法20:3175-3186·doi:10.1080/03610929108830695 [32] Pourahmadi M（1989）平稳时间序列缺失值的估计和插值。《时代期刊》10:149-169·Zbl 0686.62067号 ·文件编号：10.1111/j.1467-9892.1989.tb00021.x [33] Powell JL，Stock JH，Stoker TM（1989）指数系数的半参数估计。计量经济学57:1403-1430·Zbl 0683.62070号 ·doi:10.2307/1913713 [34] Ruppert D，Sheather SJ，Wand MP（1995）局部最小二乘回归的有效带宽选择器。美国统计协会杂志90:1257-1270·Zbl 0868.62034号 ·doi:10.1080/01621459.1995.10476630 [35] Schwarz G（1978）估算模型的维数。安统计6:461-464·Zbl 0379.62005年 ·doi:10.1214/aos/1176344136 [36] Stoker TM（1986）比例系数的一致估计。计量经济学54:1461-1481·Zbl 0628.62105号 ·doi:10.2307/1914309 [37] Wincek MA，Reinsel GC（1986）具有可能非连续数据的回归-ARMA时间序列模型的精确最大似然估计程序。J R Stat Soc系列B 48:303-313·Zbl 0623.62083号 [38] Yu Y，Ruppert D（2002）部分线性单指标模型的惩罚样条估计。美国统计学会杂志97:1042-1054·兹比尔1045.62035 ·doi:10.1198/016214502388618861 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。