...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of Time Series Analysis >ON A SEMIPARAMETRIC DATA-DRIVEN NONLINEAR MODEL WITH PENALIZED SPATIO-TEMPORAL LAG INTERACTIONS
【24h】

ON A SEMIPARAMETRIC DATA-DRIVEN NONLINEAR MODEL WITH PENALIZED SPATIO-TEMPORAL LAG INTERACTIONS

机译：在惩罚时空滞后相互作用的半游戏数据驱动非线性模型

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

To study possibly nonlinear relationship between housing price index (HPI) and consumer price index (CPI) for individual states in the USA, accounting for the temporal lag interactions of the housing price in a given state and spatio-temporal lag interactions between states could improve the accuracy of estimation and forecasting. There lacks, however, methodology to objectively identify and estimate such spatio-temporal lag interactions. In this article, we propose a semiparametric data-driven nonlinear time series regression method that accounts for lag interactions across space and over time. A penalized procedure utilizing adaptive Lasso is developed for the identification and estimation of important spatio-temporal lag interactions. Theoretical properties for our proposed methodology are established under a general near epoch dependence structure and thus the results can be applied to a variety of linear and nonlinear time series processes. For illustration, we analyze the US housing price data and demonstrate substantial improvement in forecasting via the identification of nonlinear relationship between HPI and CPI as well as spatio-temporal lag interactions.
机译：为了研究美国个人国家的住房价格指数（HPI）和消费者价格指数（CPI）之间的可能性非线性关系，占房价在特定国家和各国之间的时空滞后互动的时间滞后相互作用可以改善估计和预测的准确性。然而，缺乏缺乏方法，以客观地识别和估计这种时空滞后相互作用。在本文中，我们提出了一个半造型数据驱动的非线性时间序列回归方法，其占空间和随着时间的推移的滞后交互。利用自适应套索进行惩罚程序，用于识别和估计重要的时空滞后相互作用。我们所提出的方法的理论特性在近秒钟依赖性结构附近的一般建立，因此可以应用于各种线性和非线性时间序列过程。为了插图，我们分析了美国住房价格数据，并通过鉴定HPI和CPI之间的非线性关系以及时空滞后相互作用，表现出预测的大量改进。

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