统计学 > 方法论
[提交于 2025年7月15日
]
标题: 模型系数和创新分布的联合半参数INAR自助推断
标题: Joint semi-parametric INAR bootstrap inference for model coefficients and innovation distribution
摘要: 为了对计数时间序列中的序列依赖进行建模,文献中提出了各种方法。 特别是基于递归的、自回归类型的结构,如众所周知的整数值自回归(INAR)模型,在实践中非常受欢迎。 这种INAR模型的分布完全由自回归二项式稀释系数的向量和离散创新分布决定。 虽然这些模型的完全参数估计技术在文献中大多已涵盖,但半参数方法允许在不施加任何参数假设的情况下,对模型系数和创新分布进行一致且高效的联合估计。 尽管该估计量的极限分布已知,这在原则上使关于创新的渐近推断和INAR模型诊断成为可能,但在实际应用中却很繁琐。 在本文中,我们考虑一种相应的半参数INAR引导程序,并证明其在INAR系数估计和创新分布估计中的联合一致性。 我们讨论了不同的应用情景,包括拟合优度检验、预测推断以及计数时间序列的联合离散指数分析。 在模拟中,我们使用几种创新分布说明了半参数INAR引导程序的有限样本性能,并提供了真实数据的应用。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.