최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기응용통계연구 = The Korean journal of applied statistics, v.33 no.2, 2020년, pp.147 - 160
지윤미 (중앙대학교 응용통계학과) , 성병찬 (중앙대학교 응용통계학과)
In this paper, we study an algorithm that automatically determines the orders of past observations and conditional mean values that play an important role in count time series models. Based on the orders of the ARIMA model, the algorithm constitutes the order candidates group for time series general...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
계수형 시계열 자료란? | 예를 들면, 월별 승합차 운전자의 사상자 수, 주별 자동차 서비스 부품의 재고량, 일별 말라리아 감염 환자 수 등 다양한 분야에서 횟수로 구성된 시계열자료를 접할 수 있다. 이와 같이 일정한 시간 간격 동안 발생하는 사건의 수에 관련된 시계열 자료를 계수형 시계열 자료(count time series)라고 한다. 계수형 시계열 자료의 가장 큰 특징은 음이 아닌 정수의 값(non-negative integer value)을 갖는다는 것이다. | |
계수형 시계열 모형에 대한 가장 편리하고 유연한 접근 방법은? | 계수형 시계열의 모형은 관측치가 음수가 아닌 정수임을 고려해야 하며, 관측치 사이의 의존성을 적절히 포착해야 한다. 가장 편리하고 유연한 접근 방법은, Fahrmeir과 Tutz (2001, 6장) 그리고 Kedem과 Fokianos (2002, 1-4장)가 제안한 과거 정보에 대한 관측치를 조건부로 모형화하기 위해 일반화 선형 모형(generalized linear model; GLM)을 사용하는 것이다. 이 모형은 계수형 자료에 대한 적절한 분포와 연결 함수를 선택하여 사용한다. | |
ARIMA 모형의 표본 공간은? | 일반적으로 편향된 자료에 대해 로그 변환을 한 후 정규분포 가정을 하는 경우도 있지만 0을 많이 포함하고 있는 계수형 시계열 자료인 경우에는 적용이 어렵다. 둘째, ARIMA 모형의 표본 공간은(−∞, ∞)의 범위를 갖는 실수(real-valued)이다. 즉, 계수형 시계열 자료에 ARIMA 모형을 적용할 경우 이산형(discrete) 표본 공간의 특성이 고려되지 않는다. |
Christou, V. and Fokianos, K. (2014). Quasi-likelihood inference for negative binomial time series models, Journal of Time Series Analysis, 35, 55-78.
Doukhan, P., Fokianos, K., and Tjostheim, D. (2012). On weak dependence conditions for Poisson autoregressions, Statistics & Probability Letters, 82, 942-948.
Fahrmeir, L. and Tutz, G. (2001). Multivariate Statistical Modelling based on Generalized Linear Models (2nd ed), Springer, New York.
Ferland, R., Latour, A., and Oraichi, D. (2006). Integer-valued GARCH process, Journal of Time Series Analysis, 27, 923-942.
Fokianos, K., Rahbek, A., and Tjostheim, D. (2009). Poisson autoregression, Journal of the American Statistical Association, 104, 1430-1439.
Fokianos, K. and Tjostheim, D. (2011). Log-linear Poisson autoregression, Journal of Multivariate Analysis, 102, 563-578.
Hyndman, R. J. and Khandakar, Y. (2008). Automatic time series forecasting: the forecast package for R, Monash Econometrics and Business Statistics Working Papers 6/07, Monash University, Department of Econometrics and Business Statistics.
Hyndman, R. (2017). Forecast: forecasting functions for time series and linear models, R package version 8.2.
Kedem, B. and Fokianos, K. (2002). Regression Models for Time Series Analysis, John Wiley & Sons, Chichester.
Liboschik, T., Fokianos, K., and Fried, R. (2017). tscount: An R package for analysis of count time series following generalized linear models, Journal of Statistical Software, 82, 1-51.
Tjostheim, D. (2015). Count time series with observation-driven autoregressive parameter dynamics, Handbook of Discrete-Valued Time Series, Handbooks of Modern Statistical Methods, 77-100.
Weiss, C. H. (2008). Thinning operations for modeling time series of counts-a survey, AStA Advances in Statistical Analysis, 92, 319.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
오픈액세스 학술지에 출판된 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.