穆罕默德·阿尔夸巴;诺鲁·迪亚瓦拉;北卡罗来纳州拉奥·查甘蒂。 使用高斯copula的零膨胀计数时间序列模型。 （英语） Zbl 1435.62309号 序贯分析。 38，第3号，342-357（2019）. 在时间序列计数现象的大量观测中，选定值的零观测是一个常见问题。适当的统计分析需要考虑到零的膨胀频率。D.兰伯特【《技术计量学》34，第1期，第1-14页（1992年；Zbl 0850.62756号)]是第一个通过广义线性模型（GLM）对这些类型的计数进行建模的公司，假设计数遵循零膨胀泊松（ZIP）分布。本文扩展了G.马萨罗托和C.变化【电子杂志Stat.6，1517–1549（2012；Zbl 1336.62152号)]包括一类能够适应零通货膨胀的模型。提出了一个高斯copula模型，该模型强调了当协变量存在于具有多余零的计数时间序列中时的回归设置。假设边际分布遵循ZIP，即零膨胀负二项式（ZINB）[M.里多特等，《生物统计学》57，第1期，219–223（2001；Zbl 1209.62079号)]，或零膨胀Conway-Maxwell-Poisson（ZICMP）[K.F.卖方和A.雷姆，计算。统计数据分析。99, 68–80 (2016;Zbl 1468.62176号)]分布和序列相关性由高斯copula和平稳ARMA过程的相关矩阵建模。使用顺序重要性抽样进行似然推断。通过残差分析进行模型评估以检查所提模型的优度。预测是通过对误差的递归一步预测来执行的。该模型的一个显著优点是，模型组件的解释很简单。文中给出了仿真和实际数据示例，并对该方法进行了研究。Nota bene公司,I.科波钦斯卡和B.科波钦斯基[“雨果·斯坦豪斯（Hugo Steinhaus）基于当代新闻讣告估计战争伤亡人数的问题”，《数学应用》35，155-161（2007；doi:10.14708/ma.v35i49/08.1392)]假设德国家庭规模具有膨胀的几何概率分布，引入该随机变量的一些变换，并考虑讣告内容的概率分布函数，他们重构了H.斯坦豪斯【四季数学家。回忆与笔记，第2卷（1945年至1968年）。罗伯特·伯恩斯、伊雷娜·西马尼奇和亚历山大·沃伦编辑。阿贝·谢尼泽译波兰语。查姆：伯卡用户/斯普林格（2016；Zbl 1334.01007号)]（参见第315页），根据当代新闻讣告估计第二次世界大战期间德国军队的战争伤亡人数。审核人：Krzysztof J.Szajowski（Wrocław） 引用于三文件 MSC公司： 62升15 统计中的最优停止 60克40 停车时间；最优停车问题；赌博理论 2012年12月62日 参数估计量的渐近性质 2015年1月62日 贝叶斯推断 62小时05 多元概率分布的表征与结构理论；连接线 62M10个 统计学中的时间序列、自相关、回归等（GARCH） 关键词：Conway-Maxwell-Poisson公司;计数时间序列;高斯联结;负二项式;泊松;顺序重要性抽样;零通货膨胀 引文：Zbl 0850.62756号;兹比尔1336.62152;Zbl 1209.62079号;Zbl 1334.01007号;Zbl 1468.62176号 软件：R（右）;全球气候变化监测;QSIMVN公司;Copula模型 PDF格式BibTeX公司 XML格式引用 \textit{M.Alqawba}等人，《序贯分析》。38，第3号，342--357（2019；Zbl 1435.62309） 全文： 内政部 参考文献： [1] Akaike，H.，《统计模型识别的新视角》，IEEE自动控制汇刊，19716-723（1974）·Zbl 0314.62039号 [2] Andrews，D.W.，异方差和自相关一致协方差矩阵估计，《计量经济学》，59817-858（1991）·Zbl 0732.62052号 [3] 盒子，G.E.P。；詹金斯，G.M。；Reinsel，G.C.，《时间序列分析》（1994），新泽西州：普伦蒂斯·霍尔，新泽西·Zbl 0858.62072号 [4] Buu，A。；李，R。；Tan，X。；Zucker，R.A.，《纵向零膨胀计数数据的统计模型及其在药物滥用领域的应用》，《医学统计学》，第31期，第4074-4086页（2012年） [5] Choo-Wosoba，H。；Datta，S.，用集群特定随机效应零膨胀Conway-Maxwell-Poisson分布分析集群计数数据，应用统计学杂志，45，799-814（2018）·Zbl 1516.62212号 [6] 康威，R.W。；Maxwell，W.L.，服务率依赖于状态的排队模型，工业工程杂志，12，132-136（1962） [7] 邓恩，P.K。；Smyth，G.K.，《随机分位数残差》，《计算与图形统计杂志》，5，236-244（1996） [8] Genz，A.，多元正态概率的数值计算，《计算与图形统计杂志》，第141-149页（1992年） [9] Gonçalves，E。；Mendes-Lopes，N。；Silva，F.，整值GARCH模型中的零膨胀复合泊松分布，统计学，50558-578（2016）·Zbl 1342.62149号 [10] Guolo，A。；Varin，C.，《有限数据时间序列分析的贝塔回归及其在加拿大的应用——谷歌流感趋势》，《应用统计年鉴》，8，74-88（2014）·兹比尔1454.62337 [11] 霍尔，D.B。；Zhang，Z.，零通货膨胀聚类数据的边际模型，统计建模，4161-180（2004）·Zbl 1117.62484号 [12] 哈桑，M.T。；Sneddon，G.公司。；Ma，R.，零膨胀时间序列计数的回归分析：在空气污染相关急诊室就诊数据中的应用，应用统计杂志，39，467-476（2012）·Zbl 1514.62163号 [13] Jia，Y.、Kechagias，S.、Livsey，J.、Lund，R.和Pipiras，V.（2018）。潜在高斯计数时间序列建模，arXiv:1811.00203v1[stat.ME]·兹比尔1514.62167 [14] Joe，H.，基于条件期望的多元正态矩形概率逼近，美国统计协会杂志，90，957-964（1995）·Zbl 0843.62016号 [15] Joe，H.，《使用Copulas进行依赖建模》（2014），《博卡拉顿：查普曼和霍尔/CRC》，博卡拉顿·Zbl 1346.62001号 [16] Joe，H。；Davis，R.A。；伦德，R。；Ravishanker，N.，离散值时间序列手册，计数时间序列的马尔可夫模型，49-70（2016），博卡拉顿：查普曼和霍尔/CRC，博卡拉通 [17] Lahiri，S.N.，《相关数据的重新采样方法》（2013），纽约：Springer，纽约·Zbl 1028.6202号 [18] Lambert，D.，零膨胀泊松回归，及其在制造缺陷中的应用，《技术计量学》，34，1-14（1992）·Zbl 0850.62756号 [19] Lennon，H.，《整值时间序列的高斯Copula建模》（2016），曼彻斯特大学 [20] Masarotto，G。；Varin，C.，高斯Copula边缘回归，《电子统计杂志》，61517-1549（2012）·Zbl 1336.62152号 [21] Masarotto，G。；Varin，C.，R中的高斯Copula回归，《统计软件杂志》，77，1-26（2017） [22] 尼尔德，J.A。；Wedderburn，R.W.M.，广义线性模型，《皇家统计学会杂志》，A辑，135，370-384（1972） [23] Panagiotelis，A。；Czado，C。；Joe，H.，《多元离散数据的对Copula构造》，美国统计协会杂志，1071063-1072（2012）·Zbl 1395.62114号 [24] 巴顿，A.J。；Mikosch，T。；Kreiz，J。；Davis，R.A。；Andersen，T.G.，《金融时间序列手册》，基于Copula的金融时间序列模型，767-785（2009），柏林：施普林格出版社，柏林·Zbl 1178.91228号 [25] 皮特，M。；Chan，D。；Kohn，R.，《高斯Copula回归模型的有效贝叶斯推断》，《生物统计学》，93，537-554（2006）·兹比尔1108.62027 [26] R核心团队，《R：统计计算的语言和环境》（2013），维也纳：R统计计算基金会，维也纳 [27] 里多特，M。；辛德，J。；Demeatrio，C.G.，针对零膨胀负二项式备选方案测试零膨胀泊松回归模型的分数测试，生物计量学，57219-223（2001）·Zbl 1209.62079号 [28] 卖方，K.F。；Raim，A.，《解决数据分散的灵活零膨胀模型》，计算统计与数据分析，99，68-80（2016）·兹比尔1468.62176 [29] Shmueli，G。；Minka，T.P。；卡丹·J·B。；Borle，S。；Boatwright，P.，《拟合离散数据的有用分布：康威-麦克斯韦-泊松分布的复兴》，英国皇家统计学会期刊，C辑，54127-142（2005）·Zbl 1490.62058号 [30] 杨，M。；卡瓦诺，J.E。；Zamba，G.K.，《过零计数时间序列的状态空间模型》，《统计建模》，第15期，第70-90页（2015年）·Zbl 07258978号 [31] Yau，K.K。；Lee，A.H。；Carrivick，P.J.，零膨胀计数序列建模及其在职业健康中的应用，《生物医学中的计算机方法和程序》，74，47-52（2004） [32] Yau，K.K。；王凯。；Lee，A.H.，过分散计数数据的零膨胀负二项混合回归建模，《生物医学杂志》，45，437-452（2003）·Zbl 1441.62543号 [33] Zhu，F.，零膨胀泊松和负二项整值GARCH模型，统计规划与推断杂志，142826-839（2012）·Zbl 1232.62121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。