×
桑西·佩德利;迪米特里斯·卡利斯

多元INR（1）模型的复合似然估计。 （英语） Zbl 1274.62376号

J.时间序列。分析。 34，第2期，206-220（2013）.
摘要：在几种情况下，收集的数据是在不同时间点观察到的计数，而每个时间点的计数是相互关联的。目前的模型能够解释序列相关性，但通常无法解释互相关。由于缺乏处理此类数据的适当工具，我们定义了一个1阶多元积分值自回归过程（MINAR（1）），并考察了其基本统计性质。除了MINAR（1）过程的一般规范外，我们还研究了在过程创新的多元泊松分布和多元负二项分布假设下出现的两种特定参数情况。为了克服最大似然法的计算困难，我们建议使用复合似然法。通过一个小型仿真实验，比较了最大似然和复合似然两种估计方法的性能。还讨论了时不变模型到回归模型的扩展。将所提出的模型应用于荷兰三个地区与日常交通事故相关的三变量数据系列。

引用于29文件

MSC公司：

62甲12 多元分析中的估计
62M10个 统计学中的时间序列、自相关、回归等（GARCH）
62H20个 关联度量（相关性、典型相关性等）

关键词：

米纳尔;自相关;互相关;复合似然
PDF格式BibTeX公司 XML格式引用
\textit{X.Pedeli}和\textit{D.Karlis}，J.Time-Ser。分析。34，第2号，206--220（2013；Zbl 1274.62376）
全文： 内政部

参考文献：

[1] Al-Osh，一阶积分值自回归过程，时间序列分析杂志8（3），第261页–（1987）·Zbl 0617.62096号 ·文件编号：10.1111/j.1467-9892.1987.tb00438.x
[2] Brännäs，《经济学研究》381（1995）
[3] Brijs，使用离散时间序列模型研究天气条件对每日交通事故计数的影响，《事故分析与预防》40（3），第1180页–（2008）·doi:10.1016/j.aap.2008.01.01
[4] Cox，《基于边缘密度构建伪似然的注释》，Biometrika 91（3）pp 729–（2004）·Zbl 1162.62365号 ·doi:10.1093/biomet/91.3.729
[5] 杜布，随机过程（1953）
[6] Franke，J.Rao，T.S.1995年多元一阶整值自回归技术报告麻省理工大学数学系
[7] Fridström，《测量随机暴露天气和日光对道路事故计数变化的贡献》，《事故分析与预防》27（1），第1页–（1995）·doi:10.1016/0001-4575（94）E0023-E
[8] Godambe，正则极大似然方程的最佳性质，《数理统计年鉴》31页1208–（1960）·Zbl 0118.34301号 ·doi:10.1214/aoms/1177705693
[9] Heagert，二进制空间数据的复合似然方法，《美国统计协会杂志》93 pp 1099–（1998）·doi:10.1080/01621459.1998.10473771
[10] Heinen，使用copulas对时间序列计数数据进行多元自回归建模，《实证金融杂志》14页564–（2007）·doi:10.1016/j.jempfin.2006.07.004
[11] Joe，关于两两可能性中二元边际的加权，《多元分析杂志》100（4），第670页–（2009）·Zbl 1155.62044号 ·doi:10.1016/j.jmva.2008.07.004
[12] 约翰逊，多元离散分布（1997）·Zbl 0868.62048号
[13] Jung，整数时间序列的二项式细化模型，统计建模6，第21页–（2006）·doi:10.1191/1471082X06st114oa
[14] Karlis，具有协方差结构的多元泊松回归，《统计与计算》，第15页，255–（2005）·数字对象标识代码：10.1007/s11222-005-4069-4
[15] Kuk，分析相关二进制数据的成对似然方法，《统计学与概率快报》47第329页-（2000）·Zbl 0973.62056号 ·doi:10.1016/S0167-7152（99）00174-1
[16] Latour，多元GINAR（p）过程，应用概率进展29（1）第228页–（1997）·Zbl 0871.62073号 ·doi:10.2307/1427868
[17] 莱文，火奴鲁鲁机动车碰撞的空间分析。空间模式，事故分析与预防27（5）pp 663–（1995a）·doi:10.1016/0001-4575（95）00017-T
[18] 莱文，檀香山机动车事故的每日波动，事故分析与预防27（6），第785页–（1995年b）·doi:10.1016/0001-4575（95）00038-0
[19] Lipsitz，参数估计的Jackknife方差估计量，从估计方程到聚类生存数据的应用，《生物统计学》50，第842页–（1994）·兹比尔0825.62783 ·doi:10.2307/2532797
[20] McKenzie，离散变量时间序列的一些简单模型，《水资源公报》21（4），第645页–（1985）·doi:10.1111/j.1752-1688.1985.tb05379.x
[21] McKenzie，泊松计数相关序列的一些ARMA模型，应用概率进展20（4），第822页–（1988）·Zbl 0664.62089号 ·doi:10.2307/1427362
[22] McKenzie，《统计手册》21，《随机过程：建模和估计》，第573页–（2003年）·doi:10.1016/S0169-7161（03）21018-X
[23] Ng，具有潜在自回归过程的时间序列模型的复合似然，《统计中国》21页279–（2011）·Zbl 1206.62153号
[24] 诺特，图像模型推断的成对似然方法，生物特征86（3）pp 661–（1999）·Zbl 0938.62108号 ·doi:10.1093/biomet/86.3.661
[25] Pedeli，双变量INA（1）过程及其应用，《统计建模：国际期刊》11，第325页–（2011a）·doi:10.1177/1471082X1001100403
[26] Quoreshi，《金融计数数据的双变量时间序列建模》，《统计学中的传播——理论和方法》，第35页，第1343页–（2006年）·Zbl 1105.62107号 ·doi:10.1080/0361092060692649
[27] 数理统计的Serfling逼近定理（1980）·Zbl 0538.62002号 ·数字对象标识代码：10.1002/9780470316481
[28] Steutel，自分解性和稳定性的离散类似物，《概率年鉴》7（5），第893页–（1979）·Zbl 0418.60020号 ·doi:10.1214/aop/1176994950
[29] Varin，关于复合边际可能性，《统计分析进展》92，第1页–（2008年）·Zbl 1171.62315号 ·doi:10.1007/s10182-008-0060-7
[30] Varin，复合似然方法综述，《中国统计》第21期第5页-（2011）·Zbl 05849508号
[31] Varin，关于复合似然推断和模型选择的注释，Biometrika 92（3）pp 519–（2005）·Zbl 1183.62037号 ·doi:10.1093/生物技术/92.3.519
[32] 赵，多元数据分析中的复合似然估计，《加拿大统计杂志》33页335–（2005）·Zbl 1077.62045号 ·doi:10.1002/cjs.5540330303
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。