×
罗德里戈·A·奥利维拉。;Gilberto A.Paula。

基于惩罚回归样条的具有自回归对称误差的可加模型。 （英语） Zbl 1505.62303号

计算。斯达。 36，第4期，2435-2466（2021）.
摘要：本文提出了基于惩罚回归样条的具有p阶自回归条件对称误差的可加模型，用于建模时间序列的趋势性和季节性。这种方法的目的是尝试对自相关和季节性进行适当建模，以评估显著趋势的存在性。为了估计可加分量、色散参数和自相关系数，提出了一种结合拟Newton算法的反求迭代过程。与拟合有关的有效自由度由适当的平滑器导出。提出了推理结果和选择模型的步骤，以及一些诊断方法，如基于条件分位数残差的残差分析和基于局部影响方法的灵敏度研究。对最大惩罚似然估计量的大样本行为进行了仿真研究。最后，应用该方法对旧金山市1995年1月至2020年4月的日平均气温进行了建模。

引用于1文件

MSC公司：

62-08 统计问题的计算方法
62克08 非参数回归和分位数回归
62J05型 线性回归；混合模型
62J20型 诊断、线性推理和回归
62M10个 统计学中的时间序列、自相关、回归等（GARCH）
62页第12页 统计在环境和相关主题中的应用

关键词：

三次样条曲线;循环花键;日温度;模型检查;惩罚可能性;学生模型;稳健估计

软件：

R（右）;加迈尔;LBFGS-B型
PDF格式BibTeX公司 XML格式引用
\textit{R.A.Oliveira}和\textit{G.A.Paula}，计算。Stat.36，No.4，2435--2466（2021；Zbl 1505.62303）
全文： 内政部

参考文献：

[1] Akaike，H。；彼得罗夫，BN；Csaki，F.，信息理论和最大似然原理的扩展，国际信息理论研讨会，267-281（1973），匈牙利：Akademiai Kiado，布达佩斯·Zbl 0283.62006号
[2] 巴罗斯，M。；Paula，GA，Birnbaum-Saunders分布的讨论：模型、分析和应用综述，Appl Stoch models Bus Ind，35，96-99（2019）·Zbl 1428.62073号 ·doi:10.1002/asmb.2408
[3] 伯德，RH；卢，P。；Nocedal，J。；Zhu，C.，用于边界约束优化的有限内存算法，SIAM科学计算杂志，161190-1208（1995）·Zbl 0836.65080号 ·doi:10.1137/0916069
[4] 曹，CZ；林，JG；Zhu，LX，带AR（1）和对称误差的非线性模型中的异方差和/或自相关诊断，Stat Pap，51，813-836（2010）·Zbl 1247.62218号 ·doi:10.1007/s00362-008-0171-y
[5] 库克，RD，《地方影响评估》，J R Stat Soc B，48，133-169（1986）·Zbl 0608.62041号
[6] 库克，RD；Weisberg，S.，《回归中的残差和影响》（1982），伦敦：查普曼和霍尔出版社，伦敦·Zbl 0564.62054号
[7] 克利夫兰，WS；JE麦克雷；Terpenning，I.，STL:季节趋势分解，《统计杂志》，6，3-73（1990）
[8] Cysneiros，FJA；Paula，GA，对称线性回归模型中的限制方法，计算统计数据分析，49，689-708（2005）·Zbl 1429.62285号 ·doi:10.1016/j.csda.2004.06.001
[9] Davidon，WC，最小化的可变公制方法，SIAM J Optim，1，1-17（1991）·Zbl 0752.90062号 ·doi:10.1137/0801001
[10] 邓恩，PK；Smyth，GK，随机分位数残差，J Comput and Graph Stat，5，236-244（1996）
[11] 埃夫隆，B。；DV Hinkley，《评估最大似然估计量的准确性：观察到的与预期的Fisher信息》，《生物统计学》，65，457-487（1978）·Zbl 0401.62002号 ·doi:10.1093/biomet/65.3.457
[12] 艾尔斯，PH；Marx，BD，《使用B样条和惩罚的灵活平滑》，《统计科学》，第11期，第89-102页（1996年）·Zbl 0955.62562号 ·doi:10.1214/ss/1038425655
[13] 方，KT；科茨，S。；Ng，KW，对称多元分布和相关分布（1990），伦敦：Chapman和Hall，伦敦·Zbl 0699.62048号 ·doi:10.1007/9781-4899-2937-2
[14] Fox，J.，《应用回归分析和广义线性模型》（2015），伦敦：Sage出版社，伦敦
[15] 绿色，PJ；Silverman，BW，非参数回归和广义线性模型：粗糙度惩罚方法（1994），伦敦：查普曼和霍尔/CRC，伦敦·Zbl 0832.62032号 ·doi:10.1007/978-1-4899-4473-3
[16] 哈斯蒂，TJ；Tibshirani，RJ，广义加性模型（1990），伦敦：查普曼和霍尔/CRC，伦敦·Zbl 0747.62061号
[17] 黄，L。；江，H。；Wang，H.，时间序列数据的新型偏线性单指数模型，计算统计数据分析，134，110-122（2019）·Zbl 1507.62077号 ·doi:10.1016/j.csda.2018.12.012
[18] 黄，L。；夏，Y。；秦，X.，带ARMA误差的半变系数时间序列模型的估计，Ann Stat，441618-1660（2016）·Zbl 1349.62269号 ·doi:10.1214/15-AOS1392
[19] Ibacache-Pulgar，G。；佐治亚州保拉；Cysneiros，FJA，对称分布下的半参数可加模型，TEST，22，103-121（2013）·Zbl 1302.62094号 ·doi:10.1007/s11749-012-0309-z
[20] 法官，GG；格里菲斯，WE；希尔，RC；卢克波尔，H。；Lee，TC，《计量经济学的理论与实践》（1985），纽约：威利出版社，纽约·Zbl 0731.62155号
[21] Kissock JK（1999）UD EPA平均每日温度档案，http://academic.udayton.edu/kissock/http/Weather/default.htm。2021年2月20日访问
[22] 兰卡斯特，P。；Salkauskas，K.，《曲线和曲面拟合导论》（1986），伦敦：学术出版社，伦敦·Zbl 0649.65012号
[23] 李，SY；Xu，L.，非线性混合效应模型的影响分析，计算统计数据分析，45，321-341（2004）·Zbl 1429.62280号 ·doi:10.1016/S0167-9473（02）00303-1
[24] 刘，吉咪；陈，R。；Yao，Q.，非参数传递函数模型，《经济杂志》，157151-164（2010）·Zbl 1431.62400号 ·doi:10.1016/j.econom.2009.10.029
[25] Liu，S.，关于椭圆分布下条件异方差时间序列模型的诊断，J Appl Probab，41A，393-405（2004）·兹比尔1049.62100 ·doi:10.1239/jap/1082552214
[26] Lucas，A.，基于学生t的M估计的稳健性，公共统计理论方法，261165-1182（1997）·Zbl 0920.62041号 ·数字对象标识代码：10.1080/03610929708831974
[27] Mittelhammer，钢筋混凝土；法官，GG；DJ Miller，《计量经济学基础》（2000），纽约：剑桥大学出版社，纽约·Zbl 0961.62110号
[28] 佐治亚州保拉；梅德罗斯，MJ；Vilca-Labra，FE，《一阶自回归椭圆误差线性模型的影响诊断》，Stat Probab Lett，79，339-346（2009）·Zbl 1155.62052号 ·doi:10.1016/j.spl.2008.08.017
[29] Poon，WY；Poon，YS，共形法曲率和局部影响评估，J R Stat Soc B，61，51-61（1999）·Zbl 0913.62062号 ·doi:10.1111/1467-9868.00162
[30] R核心团队（2020）R：统计计算的语言和环境。R统计计算基金会，奥地利维也纳。https://www.Rproject.org。2021年1月10日访问
[31] 勒尔瓦斯，CEM；Paula，GA，具有一阶自回归对称误差的部分线性模型，Stat Pap，57，795-825（2016）·Zbl 1373.62391号 ·doi:10.1007/s00362-015-0680-4
[32] 通用电气公司施瓦兹，《估算模型的维数》，《Ann Stat》，第6期，第461-464页（1978年）·Zbl 0379.62005年 ·doi:10.1214/aos/1176344136
[33] 香醋，LH；Paula，GA，对数对称回归模型的扩展：R代码和应用，J Stat Comp Simul，861709-1735（2016）·Zbl 1510.62191号 ·doi:10.1080/00949655.2015.1081689
[34] Wise，J.，自相关函数和谱密度函数，生物统计学，42，151-159（1955）·Zbl 0065.12902号 ·doi:10.1093/biomet/42.1-2.151
[35] Wood，SN，广义加性模型：R简介（2017），伦敦：查普曼和霍尔/CRC，伦敦·Zbl 1368.62004号 ·doi:10.1201/9781315370279
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。