×
尼尔·巴西娅;姚启伟;弗拉维奥·齐格尔曼

识别曲线时间序列的有限维。 （英语） Zbl 1204.62152号

Ann.统计。 38，第6期，3352-3386（2010）.
概述：曲线时间序列框架提供了一种方便的工具，可以将一些非平稳特征融入到静止设置中。我们提出了一种基于不同曲线之间的动态相关性来识别曲线时间序列维数的新方法。我们方法的实际实现归结为有限维矩阵的特征分析。此外，维数的确定等价于识别矩阵的非零特征值，这是我们根据一些自举测试进行的。研究了该方法的渐近性质。特别地，我们的零特征值估计量具有快速收敛速度，而非零特征值估计量以标准收敛速度收敛。该方法用模拟数据集和实际数据集进行了说明。

引用于1审查
引用于32文件

MSC公司：

62M10个 统计学中的时间序列、自相关、回归等（GARCH）
62小时99 多元分析
15甲18 特征值、奇异值和特征向量
60G99型 随机过程
62G09号 非参数统计重采样方法
6220国集团 非参数推理的渐近性质
62G08号 非参数回归和分位数回归
65C60个 统计学中的计算问题（MSC2010）

关键词：

自方差;曲线时间序列;尺寸缩减;特征分析;Karhunen-Loève扩建;\（n\）收敛速度;根-（n）收敛速度

软件：

fda（右）
PDF格式BibTeX公司 XML格式引用
\textit{N.Bathia}等人，Ann.Stat.38，No.6，3352-3386（2010；Zbl 1204.62152）
全文： 内政部 arXiv公司

参考文献：

[1] Benko，M.、Hardle，W.和Kneep，A.（2009年）。通用功能主要组件。安。统计师。37 1-34. ·Zbl 1169.62057号 ·doi:10.1214/07-AOS516
[2] Besse，P.和Ramsay，J.O.（1986年）。采样函数的主成分分析。《心理测量学》51 285-311·兹比尔062362048 ·doi:10.1007/BF02293986
[3] Bosq，D.（2000年）。函数空间中的线性过程。纽约州施普林格·Zbl 0962.60004号 ·doi:10.1007/978-1-4612-1154-9
[4] Dauxois，J.、Pousse，A.和Romain，Y.（1982年）。向量随机函数主成分分析的渐近理论：统计推断的一些应用。J.多变量分析。12 136-154. ·Zbl 0539.62064号 ·doi:10.1016/0047-259X（82）90088-4
[5] Dunford，N.和Schwartz，J.T.（1988年）。线性运算符。纽约威利·Zbl 0635.47003号
[6] Ferraty，F.和Vieu，P.（2006年）。非参数功能数据分析。纽约州施普林格·Zbl 1119.62046号 ·数字对象标识代码：10.1007/0-387-36620-2
[7] Guillas，S.和Lai，M.J.（2010年）。空间函数回归模型的二元样条。J.非参数。《美国联邦法律大全》第22卷第477-497页·Zbl 1189.62068号 ·doi:10.1080/10485250903323180
[8] Hall，P.和Vial，C.（2006年）。评估功能数据的有限维。J.R.统计社会服务。B Stat.方法。68 689-705. ·Zbl 1110.62085号 ·文件编号：10.1111/j.1467-9868.2006.00562.x
[9] Hyndman，R.J.和Ullah，M.S.（2007年）。死亡率和生育率的稳健预测：功能数据方法。计算。统计师。数据分析。51 4942-4956. ·兹比尔1162.62434
[10] Lee，A.J.（1990）。U-统计。纽约州德克尔·Zbl 0771.62001号
[11] Li，W.K.和McLeod，A.I.（1981）。多元ARMA时间序列模型中残差自相关的分布。J.罗伊。统计师。Soc.序列号。乙43 231-239。JSTOR公司：·兹比尔0505.62079
[12] Kneip，A.和Utikal，K.J.（2001年）。使用函数主成分分析推断密度族（含讨论）。J.Amer。统计师。协会96 519-542。JSTOR公司：·Zbl 1019.62060号 ·doi:10.1198/016214501753168235
[13] Mas，A.和Menneteau，L.（2003）。摄动方法应用于随机算子的渐近研究。《高维概率III》（J.Hoffmann-Jorgensen，M.B.Marcus and J.A.Wellner，eds.）127-134。波士顿Birkhäuser·Zbl 1053.60002号
[14] Pan，J.和Yao，Q.（2008）。通过公共因素对多个时间序列进行建模。生物特征95 365-379·Zbl 1437.62574号 ·doi:10.1093/biomet/asn009
[15] Peña，D.和Box，G.E.P.（1987年）。确定时间序列中的简化结构。J.Amer。统计师。协会82 836-843·Zbl 0623.62081号 ·doi:10.2307/2288794
[16] Ramsay，J.O.和Dalzell，C.J.（1991）。功能数据分析的一些工具（带讨论）。J.罗伊。统计师。Soc.序列号。乙53 539-572。JSTOR公司：·Zbl 0800.62314号
[17] Ramsay，J.O.和Silverman，B.W.（2005）。功能数据分析。纽约州施普林格·Zbl 1079.62006号
[18] Rice，J.A.和Silverman，B.W.（1991年）。当数据为曲线时，非参数估计平均值和协方差结构。J.罗伊。统计师。Soc.序列号。乙53 233-243。JSTOR公司：·兹比尔0800.62214
[19] Sen，P.K.（1972年）。平稳混合过程经验分布正则泛函的极限行为。普罗巴伯。理论相关领域25 71-82·Zbl 0238.62097号 ·doi:10.1007/BF0053337
[20] Tiao，G.C.和Tsay，R.S.（1989年）。多元时间序列中的模型规范（含讨论）。J.罗伊。统计师。Soc.序列号。B 51 157-213。JSTOR公司：·Zbl 0693.62071号
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。