×
托马斯·费希尔。；张静；斯蒂芬·科尔盖特。；迈克尔·范尼。

检测和建模比例时间序列中的变化。 （英语） Zbl 1498.62167号

附录申请。斯达。 16，第1期，477-494（2022）.
摘要：我们提出了一个框架来检测和建模连续比例时间序列中的位移，即度量整体各部分的比例向量。通过重新参数化Dirichlet分布的形状，我们可以通过广义线性模型分别建模位置和比例。隐马尔可夫模型允许广义线性模型的系数发生变化，从而允许时间序列经历多个状态。该框架允许从业者充分建模季节性、趋势或包括协变量信息以及检测变化点。通过模拟和分析1992年至2012年的湖泊浮游植物数据，研究了模型的行为。我们的分析表明，该模型可以有效地检测和建模比例时间序列中的变化。关于浮游植物数据，总生物量已经增长，大约在2000年左右，群落水平的动态发生了一些变化。具体来说，蓝藻的比例似乎增加了，对硅藻造成了损害。

引用于1文件

MSC公司：

62M10个 统计学中的时间序列、自相关、回归等（GARCH）
2015年1月62日 贝叶斯推断
2005年6月2日 马尔可夫过程：估计；隐马尔可夫模型
第62页第12页 统计在环境和相关主题中的应用

关键词：

更改点；成分数据；Dirichlet回归；隐马尔可夫模型；时间序列

软件：

depmixS4公司；RStan（RStan）；电子控制面板；厕所；rstan公司；净初级生产力
PDF格式BibTeX公司 XML格式引用
\textit{T.J.Fisher}等人，Ann.Appl。Stat.16，No.1，477--494（2022；Zbl 1498.62167）
全文： 内政部

参考文献：

[1] 艾奇森J.（1982）。成分数据的统计分析。J.罗伊。统计师。Soc.序列号。B44 139-177。经过讨论·Zbl 0491.62017号
[2] 艾奇森（1985）。单纯形上的一类一般分布。J.罗伊。统计师。Soc.序列号。B47 136-146. ·Zbl 0582.62014号
[3] 艾奇森（1986）。成分数据的统计分析.统计学和应用概率专著CRC出版社，伦敦·Zbl 0688.62004号 ·doi:10.1007/978-94-009-4109-0
[4] Aue，A.和Horváth，L.（2013）。时间序列中的结构突变。J.时间序列分析。34 1-16. ·Zbl 1274.62553号 ·文件编号：10.1111/j.1467-9892.2012.00819.x
[5] 巴赛尔·维达尔，C.、阿吉拉尔，L.和马丁·费尔南德斯，J.A.（2011）。合成VARIMA时间序列。在成分数据分析87-103. 纽约威利。
[6] BARDWELL，L.和FEARNHEAD，P.（2017）。多时间序列中异常段的贝叶斯检测。贝叶斯分析。12 193-218. ·Zbl 1384.62286号 ·doi:10.1214/16-BA998
[7] Barry，D.和Hartigan，J.A.（1993年）。变点问题的贝叶斯分析。J.Amer。统计师。协会。88 309-319之间·Zbl 0775.62065号
[8] BINDER，K.E.、POURAHMADI，M.和MJELDE，J.W.（2018年）。时间相关性在因子选择和油价预测中的作用。恩皮尔。经济。1-39.
[9] BRUNSDON，T.M.和SMITH，T.M.F.（1998）。成分数据的时间序列分析。J.关闭状态。14 237-253。
[10] Cappé，O.，Moulines，E.和Rydén，T.（2005）。隐马尔可夫模型中的推理.统计学中的斯普林格系列纽约州施普林格·Zbl 1080.62065号
[11] CARLIN，B.P.、GELFAND，A.E.和SMITH，A.F.M.（1992年）。变点问题的层次贝叶斯分析。J.R.统计社会服务。C.申请。斯达。41 389-405·兹比尔0825.62408
[12] CHIB，S.（1998）。多个转换点模型的估计和比较。J.计量经济学86 221-241. ·Zbl 1045.62510号 ·doi:10.1016/S0304-4076（97）00115-2
[13] ERDMAN，C.和EMERSON，J.W.（2008）。用于微阵列数据分割的快速贝叶斯变化点分析。生物信息学24 2143-2148.
[14] FEARNHEAD，P.（2006）。多变点问题的精确有效贝叶斯推理。统计计算。16 203-213. ·doi:10.1007/s11222-006-8450-8
[15] FEARNHEAD，P.和LIU，Z.（2007）。多变化点问题的在线推理。J.R.统计社会服务。B.统计方法。69 589-605. ·Zbl 07555366号 ·doi:10.1111/j.1467-9868.2007.00601.x
[16] FISHER，T.J.、ZHANG，J.、COLEGATE，S.P.和VANNI，M.J.（2022）。补充“检测和建模比例时间序列中的变化”https://doi.org/10.1214/21-AOAS1509SUPA网站, https://doi.org/10.1214/21-AOAS1509SUPPB
[17] Gelman，A.和Rubin，D.B.（1992年）。使用多序列的迭代模拟推断。统计师。科学。7 457-472. ·Zbl 1386.65060号
[18] GRUNWALD，G.K.，RAFTERY，A.E.和GUTTORP，P.（1993）。连续比例的时间序列。J.罗伊。统计师。Soc.序列号。B55 103-116·Zbl 0780.62065号
[19] HAMPTON，S.E.、HOLMES，E.E.、SCHEEF，L.P.、SCHEUERELL，M.D.、KATZ，S.L.、PENDLETON，D.E.和WARD，E.J.（2013）。用多元自回归（MAR）模型量化非生物和生物驱动因素对社区动态的影响。生态学94 2663-2669.
[20] HAYES，N.M.和VANNI，M.J.（2018年）。微囊藻毒素浓度可以通过浮游植物生物量和流域形态进行预测。内陆水域8 273-283.
[21] HIJAZI，R.H.和JERNIGAN，R.W.（2009年）。使用Dirichlet回归模型建模成分数据。J.应用。普罗巴伯。斯达。4 77-91. ·Zbl 1166.62053号
[22] HOLMES，M.、KOJADINOVIC，I.和QUESSY，J.-F.（2013）。Gombay和Horváth变化点检测的非参数测试。《多元分析杂志》。115 16-32中·Zbl 1294.62126号 ·doi:10.1016/j.jmva.2012.10.004
[23] JAMES，N.A.和MATTESON，D.S.（2014）。Ecp：多元数据非参数多变化点分析的R包。统计软件杂志62 1-25.
[24] KANG，S.、LIU，G.、QI，H.和WANG，M.（2018）。具有对称重尾错误的线性模型中的贝叶斯方差变化点检测。计算。经济。52 459-477.
[25] KELLY，P.T.、GONZáLEZ，M.J.、RENWICK，W.H.和VANNI，M.J（2018年）。在受农业影响的水库中，光照可用性的增加和鱼类的营养循环提供了抗富营养化的能力。利莫尔。Oceanogr公司。63 2647-2660.
[26] KOJADINOVIC，I.（2020年）。npcp：可能多变量观测中变化点检测的一些非参数CUSUM检验。R包版本0.2-0。
[27] KOOP，G.和KOROBILIS，D.（2010年）。实证宏观经济学的贝叶斯多元时间序列方法。发现经济趋势。3 267-358. ·Zbl 1193.91117号
[28] LEROUX，B.G.（1992年）。隐马尔可夫模型的最大似然估计。随机过程。申请。40 127-143. ·Zbl 0738.62081号 ·doi:10.1016/0304-4149（92）90141-C
[29] LIANG，Z.，QIAN，S.S.，WU，S.，CHEN，H.，LIU，Y.，YU，Y.和YI，X.（2019）。使用贝叶斯变化点模型来增强对营养物质与浮游植物关系变化的理解。经济。模型。393 120-126.
[30] LUND，R.和REEVES，J.（2002）。检测未记录的变化点：对两阶段回归模型的修订。J.气候15 2547-2554.
[31] LUONG，T.M.、PERDUCA，V.和NUEL，G.（2012年）。隐马尔可夫模型在变点分析中的应用。在隐马尔可夫模型在信号、图像和模式识别中的应用.
[32] LYSTIG，T.C.和HUGHES，J.P.（2002）。隐马尔可夫模型观测信息矩阵的精确计算。J.计算。图表。统计师。11 678-689. ·doi:10.1198/106186002402
[33] MATTESON，D.S.和JAMES，N.A.（2014b）。一种用于多变量数据多变化点分析的非参数方法。J.Amer。统计师。协会。109 334-345. ·Zbl 1367.62260号 ·doi:10.1080/01621459.2013.849605
[34] MATTESON，D.S.和TSAY，R.S.（2011年）。多元时间序列的动态正交分量。J.Amer。统计师。协会。106 1450-1463. ·Zbl 1323.62086号 ·doi:10.1198/jasa.2011.tm10616
[35] MILLS，T.C.（2010）。预测组成时间序列。资格。数量。44 673-690.
[36] O'REILY，C.M.，SHARMA，S.，GRAY，D.K.，HAMPTON，S.E.，READ，J.S.，ROWLEY，R.J.，SCHNEIDER，P.，LENTERS，J.D.，MCINTYRE，P.B.等人（2015）。全球湖泊表层水快速且变化剧烈的变暖。地球物理学。Res.Lett公司。42 10,773-10,781.
[37] 俄亥俄超级计算机中心（2016）。欧文斯超级计算机。
[38] PAERL，H.W.、OTTEN，T.G.和KUDELA，R.（2018年）。缓解淡水至海洋连续体中有害藻华的扩展。环境。科学。Technol公司。52 5519-5529. PMID:29656639。
[39] PAWLOWSKY-GLAHN，V.和BUCCIANTI，A.编辑（2011年）。成分数据分析:理论与应用奇切斯特·威利。 ·doi:10.1002/9781119976462
[40] PEARSON，K.（1897年）。数学对进化论的贡献在器官测量中使用指数时可能出现的一种伪相关性。程序。R.Soc.伦敦。60 489-498. ·JFM 28.0209.02号
[41] PRABUCHANDRAN，K.J.、SINGH，N.、DAYAMA，P.和PANDIT，V.（2021年）。多元成分数据的变化点检测。申请。智力。.
[42] RENWICK，W.H.、VANNI，M.J.、FISHER，T.J.和MORRIS，E.L.（2018年）。河流氮、磷和沉积物浓度显示出与农业变化相关的长期趋势。J.环境。资格。47 1513-1521. ·doi:10.2134/jeq2018.04.0162
[43] ROBBINS，M.W.、GALLAGHER，C.M.和LUND，R.B.（2016）。时间序列数据的一般回归变点测试。J.Amer。统计师。协会。111 670-683. ·doi:10.1080/016214592015.1029130
[44] ROBBINS，M.、GALLAGHER，C.、LUND，R.和AUE，A.（2011年A）。相关数据的均值漂移测试。J.时间序列分析。32 498-511. ·Zbl 1294.62212号 ·文件编号：10.1111/j.1467-9892.2010.00707.x
[45] ROBBINS，M.W.、LUND，R.B.、GALLAGHER，C.M.和LU，Q.（2011年B）。北大西洋热带气旋记录中的变化点。J.Amer。统计师。协会。106 89-99. ·Zbl 1396.62264号 ·doi:10.1198/jasa.2011.ap10023
[46] ROBERT，C.P.、CELEUX，G.和DIEBOLT，J.（1993）。隐马尔可夫链的贝叶斯估计：随机实现。统计师。普罗巴伯。莱特。16 77-83. ·Zbl 0783.62062号 ·doi:10.1016/0167-7152（93）90127-5
[47] STAN开发团队（2018年）。RStan：与Stan的R接口。R软件包版本2.18.2。
[48] 斯蒂芬，法学博士（1994年）。贝叶斯回顾性多变化点识别。J.罗伊。统计师。Soc.序列号。C类43 159-178. ·兹比尔0825.62412
[49] TSAY，R.S.（2010）。金融时间序列分析，第3版。概率统计中的威利级数.威利，新泽西州霍博肯·Zbl 1209.91004号 ·doi:10.1002/9780470644560
[50] Vehtari，A.、Gelman，A.和Gabri，J.（2017）。使用leave-on-out交叉验证和WAIC进行实用贝叶斯模型评估。统计计算。27 1413-1432. ·Zbl 1505.62408号 ·doi:10.1007/s11222-016-9696-4
[51] VEHTARI，A.、GABRY，J.、YAO，Y.和GELMAN，A.（2018年）。loo：贝叶斯模型的高效leave-on-out交叉验证和WAIC。R软件包版本2.0.0·Zbl 1505.62409号
[52] VISSER，I.和SPEEKENBRINK，M.（2010年）。DepmixS4：隐马尔可夫模型的R包。J.统计软件。36 1-21.
[53] 韦斯特，M.（2020）。多元时间序列的贝叶斯预测：可扩展性、结构不确定性和决策。Ann.Inst.统计。数学。72 1-31 ·Zbl 1436.62441号 ·doi:10.1007/s10463-019-00741-3
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。