×

兹马思-数学第一资源

计数数据时间序列的模型选择。(英语) Zbl 06920306
摘要:在竞争统计模型之间进行选择是一个具有挑战性的问题,尤其是当竞争模型是非嵌套的时。在贝叶斯框架下,提出了一种在参数驱动的自回归Poisson回归模型和观测驱动的整值自回归模型之间进行选择的有效算法。为了实现这一点,引入了粒子MCMC算法来求解自回归Poisson回归模型。支持粒子MCMC算法的粒子滤波器在通过重要性抽样估计自回归Poisson回归模型的边缘似然中起着关键作用,同时也被用来估计DIC。通过仿真研究对模型选择算法的性能进行了评估。两个真实的数据集,每月美国脊髓灰质炎病例(1970-1983年)和每月从伐木业向不列颠哥伦比亚省工人赔偿委员会(1985-1994年)的福利索赔进行了成功的分析。

理学硕士:
62M10 统计学中的时间序列、自相关、回归等(GARCH)
15层62层 贝叶斯推理
软件:
PDF格式 BibTeX公司 XML 引用
全文: 内政部
参考文献:
[1] 阿克特金,T。;波尔森,N。;Soyer,R.,《多元统计数据的序贯贝叶斯分析》,(2017年),(正在出版)
[2] 阿克特金,T。;索耶,R。;徐,F.,基于贝叶斯状态空间模型的抵押贷款违约风险评估,神经网络。申请。Stat.,71450-1473,(2013年)·Zbl 1283.62211
[3] 安德里欧,C。;多塞特,A。;霍伦斯坦,R.,粒子马尔可夫链蒙特卡罗方法(讨论),J。罗伊。Soc。爵士。B、 72269-342,(2010年)
[4] 安德里欧,C。;罗伯茨,G。O、 ,有效蒙特卡罗计算的伪边缘方法,Ann。Statist.,37697-725,(2009年)·Zbl 1185.60083
[5] 布罗克威尔,P。J、 。;戴维斯,R。A、 《时间序列:理论与方法》(1996),斯普林格伦敦
[6] 布鲁克斯,S。P、 。;朱迪奇,P。;罗伯茨,G。O、 ,可逆跳跃马尔可夫链蒙特卡罗建议分布的有效构造,J。罗伊。Soc。爵士。B、 第65期,第3-39页,(2003年)·Zbl 1063.62120
[7] 卡特,C。K、 。;Kohn,R.,状态空间模型的Gibbs抽样,Biometrika,81541-553,(1994)·Zbl 0809.62087
[8] 卡瓦略,C。M、 。;约翰内斯,M。S、 。;洛佩斯,H。F、 。;北卡罗来纳州波尔森市。G、 ,粒子学习与平滑,统计学。科学,25,88-106,(2010)·Zbl 1328.62541
[9] 塞勒克斯,G。;福布斯,F。;罗伯特,C。P、 。;蒂特林顿,D。M、 ,缺失数据模型的偏差信息标准,贝叶斯分析,1651-674,(2006)·Zbl 1331.62329号
[10] Chib,S.,Gibbs输出的边际可能性,J。阿默尔。统计学家。协会,901313-1321,(1995年)·Zbl 0868.62027
[11] Chib,S。;Jeliazkov,I.,来自大都会黑斯廷斯产出的边际可能性,J。阿默尔。统计学家。协会,96270-281,(2001年)·Zbl 1015.62020
[12] 戴维斯,R。A、 。;邓斯米尔,W。T、 。;斯特雷特,S。B、 《泊松计数的观察驱动模型》,生物计量学,90777-790,(2003)·Zbl 1436.62418号
[13] 戴维斯,R。A、 。;邓斯米尔,W。T、 。;Wang,Y.,关于泊松回归模型中的自相关,生物计量学,87491-505,(2000)·Zbl 0956.62075
[14] 戴维斯,R。A、 。;霍兰,S。;隆德。;Ravishanker,N.,《离散值时间序列手册》(2015年),Chapman和Hall/CRC·Zbl 1331.62003
[15] 邓斯米尔,W。T、 广义线性自回归滑动平均模型(Davis,Richard A。;霍兰,斯科特H。;隆德,罗伯特;Ravishanker,Nalini,《离散值时间序列手册》(2015年),51-76,(第3章)
[16] 杜宾,J。;库普曼,S。J、 ,状态空间模型中非高斯观测的时间序列分析,J。R。统计Soc。爵士。B Stat.Methodol.,62,3-56,(2000年)·Zbl 0945.62084
[17] 恩西索·莫拉,V。;尼尔,P。;苏巴·拉奥,T.,整值ARMA过程的有效阶次选择算法,J。时间序列。分析,30,1-18,(2009)·Zbl 1224.62053
[18] 恩西索·莫拉,V。;尼尔,P。J、 。;苏巴·拉奥,T.,《具有解释变量的整数值AR过程》,Sankhya,Ser。B、 71248-263,(2009年)·Zbl 1193.62157
[19] Fokianos,K.,计数时间序列的一些最新进展,统计学,45,49-58,(2011)·Zbl 1291.62164
[20] 褶边,N。;小矮子,A。N、 ,基于幂后验的边际似然估计。R。统计Soc。爵士。B Stat.Methodol.,70589-607,(2008年)·Zbl 05563360
[21] 《数据扩充与动态线性模型》,J。时间序列。《分析》,15,183-202,(1994年)·Zbl 0815.62065
[22] 戈登,N。J、 。;萨蒙德,D。J、 。;史密斯,A。F、 非线性/非高斯贝叶斯状态估计的新方法,雷达信号处理。IEE程序。F、 140,107-113,(1993年)
[23] 绿P.P。J、 《可逆跳跃马尔可夫链蒙特卡罗计算与贝叶斯模型确定》,生物计量学,82711-732,(1995)·Zbl 0861.62023
[24] Hesterberg,T.,加权平均重要性抽样和防御混合分布,技术计量学,37185-194,(1995)·Zbl 0822.62002
[25] McKenzie,E.,(Shanbhag,D。N、 。;饶,C。R、 离散变量时间序列。随机过程:建模与模拟,(2003),爱思唯尔,573-606·Zbl 1064.62560
[26] 孟,X.-L。;黄,W。H、 ,通过一个简单的恒等式来模拟标准化常数的比率:理论探索,统计家。中国,6831-860,(1996)·Zbl 0857.62017
[27] 尼尔,P。;Subba Rao,T.,整值ARMA过程的MCMC,J。时间序列。《分析》,28,92-110,(2007年)·Zbl 1164.62049
[28] 牛顿,M。A、 。;拉夫德里,A。E、 加权似然自举近似贝叶斯推理。罗伊。Soc。爵士。B、 56,3-48,(1994年)·Zbl 0788.62026
[29] 罗伯茨,G。O、 。;盖尔曼,A。;吉尔克斯,W。R、 随机游走大都会算法的弱收敛性与最优尺度,人工神经网络。申请。Probab.,7110-120,(1997年)·Zbl 0876.60015
[30] 夏洛克,C。;蒂里,A。;罗伯茨,G。;罗森塔尔随机游走算法。Statist.,43,238-275,(2014年)·Zbl 1326.65015
[31] 斯皮格尔哈尔特。J、 。;贝斯特,N。G、 。;卡林,B。P、 。;范德林德,A.,模型复杂性和拟合的贝叶斯度量,J。罗伊。Soc。爵士。B、 64583-639,(2002年)·Zbl 1067.62010
[32] 斯特特尔,F。W、 。;范哈恩,K.,《自分解和稳定性的离散类比》,人工神经网络。Probab.,7893-899,(1979年)·Zbl 0418.60020
[33] 图卢波,P。;北阿尔扎赫拉尼。;尼尔,P。;斯宾塞。;麦金利,T。J、 《需要大规模数据扩充的模型的有效模型比较技术》,《贝叶斯分析》,(2017),(正在出版)
[34] Windle,J.,Carvalho,C.M.,Scott,J.G.,Sun,L.,2013.二进制和计数数据动态模型中的有效数据扩充。arXiv:1308.0774。
[35] Zeger,S.,计数时间序列的回归模型,生物计量学,75621-629,(1988)·Zbl 0653.62064
[36] 朱,R。;Joe,H.基于二项式细化的马尔可夫过程建模计数数据时间序列,J。时间序列分析,27725-738,(2006)·Zbl 1111.62085
此参考列表基于出版商或数字数学图书馆提供的信息。它的项被试探性地匹配到zbMATH标识符,并且可能包含数据转换错误。它试图尽可能准确地反映原始论文中列出的参考文献,而不要求匹配的完整性或精确性。