统计>方法
标题: 用加权似然法预测函数时间序列
摘要: 随着技术的发展,其样本元素随时间顺序记录的功能时间序列经常会遇到。 最近的研究表明,使用函数主成分分析和现有的单变量/多变量时间序列模型可以很容易地进行函数时间序列的分析和预测。 然而,这种函数时间序列模型的预测性能可能会受到许多科学领域中常见的异常观测值的影响。 异常值可能会扭曲功能时间序列模型结构,因此,基础模型可能会产生较大的预测误差。 我们引入了一种基于加权似然方法的稳健预测技术,以在存在异常值的情况下获得函数时间序列中的点和区间预测。 通过蒙特卡洛模拟和四个实际数据示例说明了所提出方法的有限样本性能。 数值结果表明,与现有方法相比,该方法具有更好的性能。