Kim、Hee-Young;优成公园 非平稳积分值自回归模型。 (英语) Zbl 1148.62074号 统计Pap。 49,第3期,485-502(2008). 小结:经常会遇到数值较小且趋势波动较大的计数时间序列。为了处理这样一个具有大离散度的非平稳积分值时间序列,我们引入了一个新的过程,称为带符号二项细化的积分值自回归过程(INARS((p))。该INAS((p))唯一存在,并且在与AR(p)过程相同的静止条件下是静止的。我们给出了INARS\((p)\)的性质以及模型参数估计的渐近正态性。这个新过程包括以前的积分值自回归过程作为特例。为了保持INAS((p))的积分值性质,并避免推导预测的分布特性时出现困难,我们提出了一种用于推导预测和置信区间的自举方法。我们将INARS应用于1993年1月至2001年12月108个月期间美国马里兰州巴尔的摩市被诊断患有获得性免疫缺陷综合征(AIDS)的新患者的频率。 引用于1审查引用于45文件 理学硕士: 62M10个 统计学中的时间序列、自相关、回归等(GARCH) 6220国集团 非参数推理的渐近性质 62G09号 非参数统计重采样方法 2012年12月62日 参数估计量的渐近性质 62页第10页 统计学在生物学和医学中的应用;元分析 62G05型 非参数估计 关键词:非国家性;积分时间序列;符号二项细化;引导;过度分散;准相似性;艾滋病 PDF格式BibTeX公司 XML格式引用 \textit{H.-Y.Kim}和\textit{Y.Park},Stat.Pap。49,第3号,485--502(2008;Zbl 1148.62074) 全文: 内政部 参考文献: [1] Alonso AM,Peña D,Romo J(2002)《用筛选引导法预测时间序列》。J统计计划推断100:1–11·Zbl 1007.62077号 ·doi:10.1016/S0378-3758(01)00092-1 [2] Al-Osh MA,Alzaid AA(1987)一阶积分值自回归(INAR(1))过程。J\(\sim\)时序分析8:261–275·Zbl 0617.62096号 ·文件编号:10.1111/j.1467-9892.1987.tb00438.x [3] Aly AA,Bouzar N(1994)关于一些整值自回归滑动平均模型。《多元分析杂志》50:132–151·Zbl 0811.62084号 ·doi:10.1006/jmva.1994.1038 [4] Alzaid AA,Al-Osh M(1990)整值pth阶自回归结构(INAR(p))过程。应用概率杂志27:314–324·Zbl 0704.62081号 ·doi:10.2307/3214650 [5] Anderson RM,Grenfell BT(1984),传染病发病率的波动和疫苗接种的影响:时间序列分析。约翰·剑桥93:587–608·doi:10.1017/S0022172400065177 [6] Breslow N(1990)过分散泊松回归和其他拟似然模型的假设检验。美国统计协会杂志85:565–571·doi:10.2307/2289799 [7] Cardinal M,Roy R,Lambert J(1999)《关于积分时间序列模型在疾病发病率分析中的应用》。《医学统计》18:2025–2039·doi:10.1002/(SICI)1097-0258(19990815)18:15<2025::AID-SIM163>3.0.CO;二维 [8] 疾病控制和预防中心(CDC 2001)艾滋病公共信息数据集 [9] Cordeiro GM,Botter DA(2001)过分散广义线性模型中的二阶最大似然估计。统计概率快报55:269–280·Zbl 1044.62078号 ·doi:10.1016/S0167-7152(01)00150-X [10] Davis RA、Dunsmuir WTM、Wang Y(2000)关于泊松回归模型中的自相关。生物特征87:491–505·兹比尔0956.62075 ·doi:10.1093/biomet/87.3.491 [11] Dey DK,Gelfand AE,Peng F(1997)超离散广义线性模型。J Stat Plan推断64:93–107·Zbl 0890.62054号 ·doi:10.1016/S0378-3758(96)00207-8 [12] Durrett R(1991)概率。加利福尼亚州贝尔蒙特市沃兹沃斯,第292-308页·Zbl 0709.60002号 [13] Findley DF(1986)自回归过程预测均方误差的自举估计。摘自:Allen DM(编辑)《计算机科学与统计:荷兰-阿姆斯特丹北部界面》,第11-17页 [14] Freeland RK,McCabe BPM(2004)预测离散值低计数时间序列。国际J预测20:427–434·doi:10.1016/S0169-2070(03)00014-1 [15] Grigoletto M(1998),自回归的Bootstrap预测区间:一些替代方法。国际J预测14:447–456·doi:10.1016/S0169-2070(98)00004-1 [16] 金冠D,袁L(1991)积分自回归(INAR(p))模型。《时代期刊》12:129–142·Zbl 0727.62084号 ·doi:10.1111/j.1467-9892.1991.tb00073.x [17] Jung RC,Tremayne AR(2006),整数时间序列模型中的相干预测。国际J预测22:223–238·doi:10.1016/j.ijforecast.2005.07.001 [18] Klimko LA,Nelson PI(1978)关于随机过程的条件最小二乘估计。Ann Stat年鉴6:629–642·Zbl 0383.62055号 ·doi:10.1214/aos/1176344207 [19] Masarotto G(1990),自回归的Bootstrap预测区间。国际预测杂志6:229–239·doi:10.1016/0169-2070(90)90008-Y [20] McCormick WP,Park YS(1997),泊松移动平均过程分析。Probab Eng通知科学11:487–507·Zbl 1096.62504号 ·网址:10.1017/S026996480000499X [21] McCullagh P,Nelder JA(1989)广义线性模型。查普曼和霍尔,伦敦·Zbl 0744.62098号 [22] McKenzie E(1986)负二项和几何边际分布的自回归移动平均过程。高级应用概率18:679–705·兹比尔0603.62100 ·doi:10.2307/1427183 [23] Park YS,Oh CH(1997)具有Poisson边值的INAR(1)过程的一些渐近性质。统计帕普38:287–302·Zbl 1091.62527号 ·doi:10.1007/BF02925270 [24] Pascual L,Romo J,Ruiz E(2004)ARIMA过程的Bootstrap预测推断。时间序列分析杂志25:449–465·Zbl 1062.62199号 ·文件编号:10.1111/j.1467-9892.2004.01713.x [25] Thombs LA,Schucany WR(1990),自回归的Bootstrap预测区间。美国统计协会85:486–492·Zbl 0705.62089号 ·doi:10.2307/2289788 [26] Waiter L,Richardson S,Hubert B(1991)法国牛传染性支气管炎链球菌警报阈值的时间序列构建。统计医学10:1493–1509·数字对象标识代码:10.1002/sim.4780101003 [27] Zaidi AA、Schnell DJ、Reynolds G(1989年),sypholis监测数据的时间序列分析。统计医学8:353–362·doi:10.1002/sim.4780080316 [28] Zeger SL,Qaqish B(1988)时间序列的马尔可夫回归模型:准似然方法。生物计量学44:1019–1031·Zbl 0715.62166号 ·doi:10.2307/2531732 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。