×
卡罗来纳州尤安;孙莹

贝努利向量自回归模型。 （英语） Zbl 1435.62322号

《多元分析杂志》。 177，文章ID 104599，19 p.（2020）.
摘要：本文提出了多元二元时间序列的一阶向量自回归（VAR）模型。多元二进制时间序列数据在生物学和环境科学等许多领域都有应用。然而，在多个二进制时间序列中建模动力学并非易事。现有的大多数方法都是从边缘成对地模拟联合转移概率，因此产生的相互依赖性可能不够灵活。我们提出的模型，Bernoulli VAR（BerVAR）模型，是使用潜在多元Bernoulli-VAR随机向量构建的。BerVAR模型通过潜在过程表示组件之间的瞬时依赖性，而自回归结构表示隐藏向量之间依赖于过去的切换。我们解析地导出了BerVAR模型的均值和矩阵值自方差函数，并提出了一种估计模型参数的拟似然方法。我们证明了我们的估计在温和的条件下是一致的。我们进行了一个仿真研究，以显示所提出的估计量的有限样本性质，并将其预测能力与现有的二进制时间序列方法进行了比较。最后，我们将模型与墨西哥不同地区的干旱事件时间序列进行拟合，以研究特定地区和不同地区的时间相关性。通过使用BerVAR模型，我们发现，如果在干旱事件之前发生降雨事件，则干旱事件的跨区域依赖性更强。

引用于2文件

MSC公司：

62M10个 统计学中的时间序列、自相关、回归等（GARCH）
62M20型 随机过程推断和预测
62甲12 多元分析中的估计
62页第12页 统计在环境和相关主题中的应用

关键词：

相互依赖;多元二进制时间序列;多元伯努利;拟似然;向量自回归过程

软件：

HIBITS公司
PDF格式BibTeX公司 XML格式引用
\textit｛C.Euán｝和\textit｛Y.Sun｝，J.多元分析。177，文章ID 104599，19 p.（2020；Zbl 1435.62322）
全文： 内政部 链接

参考文献：

[1] 阿瓦莱，M。；拉马纳森，T.V。；Kale，M.，带几何边际的整值AR（1）模型的相干预测，数据科学杂志。，15, 1, 95 (2017)
[2] Azzalini，A.，Logistic回归和其他连续相关观测的离散数据模型，J.Ital。《法律总汇》第3卷，第2169-179页（1994年）·Zbl 1446.62233号
[3] Berchtold，A。；Raftery，A.，高阶马尔可夫链和非高斯时间序列的混合转移分布模型，Statist。科学。，17, 3, 328-356 (2002) ·Zbl 1013.62088号
[4] 塞西，S.L。；Houwelingen，J.C.V.，相关二进制数据的Logistic回归，J.R.Stat.Soc.Ser。C.申请。Stat.，43，1，95-108（1994）·Zbl 0825.62509号
[5] 考克斯·D·R。；Reid，N.，关于从边缘密度构造伪似然的注释，Biometrika，91，3，729-737（2004）·Zbl 1162.62365号
[6] Czado，C。；Gneiting，T。；Held，L.，计数数据的预测模型评估，生物统计学，65，4，1254-1261（2009）·Zbl 1180.62162号
[7] 戴，B。；丁·S。；Wahba，G.，多元贝努利分布，贝努利，19，4，1465-1483（2013）·Zbl 1440.62227号
[8] （Davis，R.A.；Holan，S.H.；Lund，R.；Ravishanker，N.，《离散值时间序列手册》，《CRC现代统计方法手册》，第1卷（2016年），Chapman and Hall/CRC）·Zbl 1331.62003号
[9] 法夫尔，A.-C。；Quessy，J.-F。；Toupin，M.-H.，《模拟上尾依赖性和径向不对称性的新fisher连接函数族：高维降雨数据的特性和应用》，环境计量学，29，3，文章e2494 pp.（2018）
[10] Fontana，R。；Semeraro，P.，《给定边际的多元Bernoulli分布特征》（2017），ArXiv电子印刷品
[11] 弗里兰，R.K。；McCabe，B.，预测离散值低计数时间序列，国际预测杂志。，20, 3, 427-434 (2004)
[12] 高，X。；Shahbaba，B。；Ombao，H.，使用高斯过程建模二进制时间序列并应用于预测睡眠状态，J.分类，35，3，549-579（2018）·Zbl 1422.62219号
[13] Hyndman，R.J.，二进制时间序列的非参数加性回归模型，（论文集：ESAM99（澳大利亚计量学会会议）（1999），科技大学：悉尼理工大学），1-17
[14] McKenzie，E.，离散变量时间序列的一些简单模型，《水资源》。公牛。，1964年4月21日至650日（1985年）
[15] Nicolau，J.，多元马尔可夫链的新模型，Scand。J.Stat.，41，4，1124-1135（2014）·Zbl 1305.60061号
[16] Nicolau，J.，一种简单的非参数方法，用于估计跨越阈值的预期时间，Statist。普罗巴伯。莱特。，123, 146-152 (2017) ·Zbl 1463.62097号
[17] Raftery，A.E.，高阶马尔可夫链模型，J.R.Stat.Soc.Ser。B统计方法。，47528-539（1985年）·Zbl 0593.62091号
[18] 孙，Y。；Genton，M.G.，《函数箱线图》，J.Compute。图表。统计学。，20, 2, 316-334 (2011)
[19] 孙，Y。；Stein，M.L.，间歇降水发生的随机时空模型，《应用年鉴》。统计，9，4，2110-2132（2015）·Zbl 1397.62489号
[20] Teugels，J.L.，《多元贝努利分布和二项式分布的一些表示》，《多元分析》。，32, 2, 256-268 (1990) ·Zbl 0697.62042号
[21] 瓦林，C。；Czado，C.，有序纵向数据的混合自回归概率模型，生物统计学，11，1，127-138（2009）·Zbl 1437.62640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。