...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of statistical computation and simulation >A GQL estimation approach for analysing non-stationary over-dispersed BINAR(1) time series
【24h】

A GQL estimation approach for analysing non-stationary over-dispersed BINAR(1) time series

机译：一种用于分析非平稳过度分散BINAR（1）时间序列的GQL估计方法

获取原文
获取原文并翻译 | 示例
   

获取外文期刊封面封底 >>

       
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This paper proposes a generalized quasi-likelihood (GQL) function for estimating the vector of regression and over-dispersion effects for the respective series in the bivariate integer-valued autoregressive process of order 1 (BINAR(1)) with Negative Binomial (NB) marginals. The auto-covariance function in the proposed GQL is computed using some robust' working structures. As for the BINAR(1) process, the inter-relation between the series is induced mainly by the correlated NB innovations that are subject to different levels of over-dispersion. The performance of the GQL approach is tested via some Monte-Carlo simulations under different combination of over-dispersion together with low and high serial- and cross-correlation parameters. The model is also applied to analyse a real-life series of day and night accidents in Mauritius.
机译：本文提出了一种广义拟似然（GQL）函数，用于估计带有负二项式（NB）的双变量整数值1阶自变量回归过程（BINAR（1））中各个系列的回归和过度分散效应的向量边缘的。所提出的GQL中的自协方差函数是使用一些鲁棒的工作结构来计算的。至于BINAR（1）过程，系列之间的相互关系主要是由相关的NB创新引起的，这些创新受到不同程度的过度分散的影响。 GQL方法的性能是通过一些蒙特卡罗模拟测试的，该模拟在不同的过分散组合以及低和高的串行和互相关参数的组合下进行。该模型还用于分析毛里求斯的一系列日夜事故的真实生活。

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