• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Australian & New Zealand journal of statistics >A non-Stationary bivariate INAR(1) process with a simple cross-dependence: Estimation with some properties
【24h】

A non-Stationary bivariate INAR(1) process with a simple cross-dependence: Estimation with some properties

机译：具有简单交叉依赖性的非静止的双变量INAR（1）过程：估计具有一些性质

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This paper considers modelling of a non-stationary bivariate integer-valued autoregressive process of order 1 (BINAR(1)) where the cross-dependence between the counting series is formed through the relationship of the current series with the previous-lagged count series observations while the pair of innovations is independent and marginally Poisson. In addition, this paper proposes a generalised quasi-likelihood (GQL) estimating equation based on the exact specification of the mean score and the auto-covariance structure. The proposed approach is also compared with other popular techniques such as conditional maximum likelihood (CML), generalised least squares (GLS) and generalised method of moment (GMM) based on simulated data from the proposed BINAR(1). Moreover, the model is applied to weekly series of day and night road accidents arising in some regions of Mauritius and is compared with other existing BINAR(1) models.
机译：本文考虑了非静止的双变量整数自回归过程的建模（Binar（1）），其中通过当前系列与前滞序列序列观测的当前系列的关系形成计数系列之间的交叉依赖性虽然这对创新是独立和边缘的泊松。此外，本文提出了一种基于平均分数和自动协方差结构的精确规范的广义准似然（GQL）估计方程。还与其他流行的技术（如条件最大似然（CML），广义最小二乘（GL）和超级化的时刻（GMM）的常规方法（GMM）的相提并论方式进行比较，这是基于来自所提出的Binar（1）的模拟数据。此外，该模型适用于毛里求斯的一些地区的每周系列和夜间道路事故，并与其他现有的Binar（1）模型进行比较。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号