計(jì)數(shù)時(shí)間序列數(shù)據(jù)在實(shí)踐中廣泛存在.例如股票市場每日成交量、每小時(shí)記錄的電話網(wǎng)中的占線次數(shù)、某個(gè)小鎮(zhèn)在連續(xù)數(shù)月內(nèi)發(fā)生的交通事故次數(shù)、某種特定疾病所患人數(shù)、某網(wǎng)頁的每日瀏覽次數(shù)等等.Cox（1981）將擬合計(jì)數(shù)時(shí)間序列的模型分為由參數(shù)驅(qū)動(dòng)的模型和由觀察值驅(qū)動(dòng)的模型.關(guān)于后者目前主要有兩類模型.一種是由Alzaid和Al-Osh（1987）提出的基于稀疏算子的一階整數(shù)值自回歸模型,它得到了研究者們廣泛關(guān)注和大量研究.另外一種是Ferland等（2006）提出的泊松整數(shù)值廣義自回歸條件異方差（INGARCH）模型,許多人研究了這個(gè)模型,例如Fokianos等（2009）,Neumann（2011）以及Doukhan等（2012）等.另外,近些年來,人們又致力于放寬INGARCH模型的泊松分布的假設(shè)并把泊松INGARCH模型推廣到其它分布上.例如負(fù)二項(xiàng)INGARCH模型（NB-INGARCH）、廣義泊松INGARCH模型、零堆積INGARCH模型、COM泊松INGARCH模型、無窮可分INGARCH模型、單參數(shù)指數(shù)族INGARCH模型等.最大似然估計(jì)是常用的參數(shù)估計(jì)方法,但是這種估計(jì)方法對離群值... 

【文章來源】：吉林大學(xué)吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：105 頁

【學(xué)位級別】：博士

【部分圖文】：

1 MME或QMLE以及在不同調(diào)整常數(shù)下的穩(wěn)健估計(jì)量的相對有效性.

圖2.3.2展示的是在干凈數(shù)據(jù)來自于模型(2.1.1)下的Q-Q圖.橫坐標(biāo)表示標(biāo)準(zhǔn)正態(tài)分位數(shù),縱坐標(biāo)表示樣本參數(shù)估計(jì)分位數(shù).由于非穩(wěn)健加權(quán)的穩(wěn)健估計(jì)跟基于帽子矩陣的穩(wěn)健估計(jì)很接近,所以圖中的第二列與第三列看起來幾乎一樣,類似的現(xiàn)象在圖2.3.1中也看到過.另外這個(gè)圖支持了穩(wěn)健估計(jì)量漸近正態(tài)性的猜測.2.3.2 有離群值時(shí)的情形

其中是在特定時(shí)刻下觀測到的污染觀測值,是離群值的大小.接下來的模擬結(jié)果都是基于500個(gè)樣本大小為1000的數(shù)據(jù)集并且所考慮的參數(shù)向量為圖2.3.4不同估計(jì)對于在大小不斷增加的一個(gè)瞬態(tài)離群值下的MSE.


本文編號：2911824