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。