k阶Poisson相依驱动随机系数混合算子整数值自回归模型

吉林大学学报(理学版) ›› 2024, Vol. 62 ›› Issue (4): 866-877.

k阶Poisson相依驱动随机系数混合算子整数值自回归模型

刘秀芳¹, 张晓磊², 王德辉³

1. 太原理工大学数学学院, 太原 030024； 2. 吉林大学数学学院, 长春 130012；3. 辽宁大学数学与统计学院, 沈阳 110036

收稿日期:2024-01-08 出版日期:2024-07-26 发布日期:2024-07-26
通讯作者: 张晓磊 E-mail: zhangxl_jlu@163.com

k-Order Poisson Dependent-Driven Random Coefficient Mixed Thinning Integer-Valued Autoregressive Model

LIU Xiufang¹, ZHANG Xiaolei², WANG Dehui³

1. College of Mathematics, Taiyuan University of Technology, Taiyuan 030024, China；
2. College of Mathematics, Jilin University, Changchun 130012, China； 3. School of Mathematics and Statistics, Liaoning University, Shenyang 110036, China

Received:2024-01-08 Online:2024-07-26 Published:2024-07-26

摘要/Abstract

摘要： 采用k阶Poisson相依驱动随机系数混合算子整数值自回归模型分析具有变量字符元素计数特征的数据, 给出该模型的统计性质和参数的条件极大似然估计, 并证明估计量的渐近正态性. 数值模拟结果表明, 随着样本容量的增加, 参数估计逐渐收敛于真实值. 实际数据分析结果表明了该模型的有效性.

关键词: k阶自回归模型, Po-DDRCMTINAR(k)模型, 混合稀疏算子, 条件极大似然估计

Abstract: By using k-order Poisson dependent-driven random coefficient mixed thinning integer-valued autoregressive model, we analyzed data with the counting of elements of variable character, gave statistical properties of the model and conditional maximum likelihood estimation of parameters, and proved the asymptotic normality of the estimators. The numerical simulation results show that as the sample size increases, the parameter estimation gradually converges to the true value. The actual data analysis results show that the effectiveness of the proposed model.

Key words: k-order autoregressive model, Po-DDRCMTINAR(k) model, mixed thinning operator, conditional maximum likelihood estimation

中图分类号:

O212.1

刘秀芳, 张晓磊, 王德辉. k阶Poisson相依驱动随机系数混合算子整数值自回归模型[J]. 吉林大学学报(理学版), 2024, 62(4): 866-877.

LIU Xiufang, ZHANG Xiaolei, WANG Dehui. k-Order Poisson Dependent-Driven Random Coefficient Mixed Thinning Integer-Valued Autoregressive Model[J]. Journal of Jilin University Science Edition, 2024, 62(4): 866-877.

[1]	邰志艳, 王佳聪, 杨凯, 张洁. 带有相依稀疏算子的一阶随机系数二项自回归模型[J]. 吉林大学学报(理学版), 2023, 61(5): 1083-1089.
[2]	张洁, 张玉, 董小刚. 自激励广义二项门限自回归模型的统计推断[J]. 吉林大学学报(理学版), 2023, 61(2): 275-284.
[3]	史海芳, 李聪, 姬永刚. 序约束下单向分类方差分析模型的Bayes变量选择[J]. 吉林大学学报(理学版), 2021, 59(5): 1093-1100.
[4]	杨艳秋, 王德辉. 缺失数据下MGINAR(p)模型的参数估计[J]. 吉林大学学报(理学版), 2020, 58(3): 563-568.
[5]	杨艳秋, 王德辉. NGINAR(1)模型的Bayes估计及预测[J]. 吉林大学学报(理学版), 2019, 57(06): 1385-1390.
[6]	毛惠玉, 李琦. 整数值Z上的混合符号稀疏算子INAR(1)模型[J]. 吉林大学学报(理学版), 2019, 57(06): 1379-1384.
[7]	徐平峰, 陈婷, 尚来旭. E-MS算法的收敛性[J]. 吉林大学学报(理学版), 2019, 57(5): 1127-1130.
[8]	程建华, 毛施云, 王德辉. 加权平衡熵损失函数下Poisson分布参数的Bayes估计[J]. 吉林大学学报(理学版), 2019, 57(04): 839-843.
[9]	徐达, 周勇. 基于广义病例-队列设计方案的长度偏差数据回归分析[J]. 吉林大学学报(理学版), 2019, 57(2): 311-316.
[10]	何冰, 薄晓玲. 基于随机F-矩阵的高维双样本协方差矩阵相等性检验[J]. 吉林大学学报(理学版), 2019, 57(1): 65-71.
[11]	陈晋, 王德辉. 具有Laplace边际分布的二元自回归模型的统计推断[J]. 吉林大学学报(理学版), 2018, 56(6): 1419-1422.
[12]	杜宇静. 带有协变量动态可靠性模型参数的估计[J]. 吉林大学学报(理学版), 2018, 56(2): 311-315.
[13]	杜宇静, 姜丽萍. 序贯k-out-of-n系统在序约束下参数的假设检验[J]. 吉林大学学报(理学版), 2016, 54(03): 487-492.
[14]	赵志文, 毕利, 张美丽. Poisson自回归模型的平稳性检验[J]. 吉林大学学报(理学版), 2015, 53(02): 235-240.
[15]	施三支, 闫丽, 王泽升. p维TVPAR模型中参数的极大似然估计[J]. 吉林大学学报(理学版), 2013, 51(06): 1098-1100.