انتخاب مدل غیرآشیانی در مدل‌های رگرسیونی با باقی‌ماندۀ سری‌های ‌زمانی نامنفی

نوع مقاله : علمی- پژوهشی

نویسندگان

1 کارشناسی ارشد، گروه علوم کامپیوتر و آمار، دانشگاه صنعتی خواجه نصیرالدین طوسی

2 دانشیار، گروه علوم کامپیوتر و آمار، دانشگاه صنعتی خواجه نصیرالدین طوسی

چکیده

یکی از فرضیات معمول در مدل‌های رگرسیونی، نرمال و مستقل بودن مانده‌ها و آشیانی بودن مدل‌های تحت بررسی است. اما در عمل، با مدل‌های غیرآشیانی و خطاهای همبسته نامنفی نیز مواجه می‌شویم. در این مقاله، انتخاب مدل برای مدل‌های رگرسیونی غیرآشیانی با باقی‌ماندۀ خودبازگشتی نامنفی با توزیع‌های گاما، وایبل و لگ-نرمال به‌عنوان مدل‌های رقیب در نظر گرفته شده است. به‌دلایل فنی پارامترهای موجود در مدل‌ها با استفاده از روش برآوردیابی درست‌نمایی ماکسیمم تعمیم‌یافته برآورد می‌شوند. سپس با مطالعۀ شبیه‌سازی، مدل رگرسیونی بهینه با خطای سری‌های ‌زمانی خودبازگشتی نامنفی به وسیله مقایسه معیارهای انتخاب مدل، تعیین می‌شود.

کلیدواژه‌ها


[1] Akaike, H., (1973). Information theory and an extension of the maximum likelihood principle. In Second International Symposium on Information Theory, AkademiaiKiado, Budapest, 267-281.
[2]        Akkaya, A., Tiku, M. (2007). Estimating Parameters Autoregressive Models in Nonnormal Situation: Asymmetric Innovations. Communications in Statistics: Theory and Methods, 30, 517-536.
[3]        Bedrick, Edward J. and Tsai, C-L. (1994). Model Selection for Multivariate Regression in Small Samples. Biometrics, 50, 226-231
[4] Claeskens, G, Croux, C., and Kerckhoven, J.V. (2007).  Prediction Focussed Model Selectionfor Autoregressive Models. Australian New Zealand Journal of Statistics, 49, 359-379.
[5] Durbin, J. (1960). Estimation of parameters in time-series regression models. Journal of the Royal Statistical Society, 22, 139-153.
[6]        HARVEY, AC, and PHILLIPS, G.D.A. (1979).  Maximum Likelihood
Estimation of Regression Models With Autoregressive-Moving Average Disturbances, Biometrika, 66, 49-58.
[7] Kullback, SaL, R.A. (1951). Information and Sufficiency Modelling. Annals of Mathematical Statistic, 22, 79-86.
[8]        Mao, G. (2013). Model selection for regression with heteroskedastic and autocorrelated errors. Economics Letters, 497–501.
[9]        McQuarrie, A.D.R, Tsai, C-L. (1988). Regression and Time Series Model Selection. World Scientific, 480pp.
[10] PIERCE, DA. (1971). Least Squares Estimation in the Regression
Model With Autoregressive-Moving Average Errors. Biometrika, 58, 299-312.
[11] Schwarz, G. (1978). Estimating the Dimension of a Model. Annals of Statistics, 6, 461-464.
[12] Shi PaT, C,L. A. (2004). Joint Regression Variable and Autoregressive Order Selection Criterion. Journal of Time Series Analysis, 25(6), 923-941.
[13] Tsay, S. (2012). Regression Models with Time Series Errors. Journal of the
American Statistical Association, 79, 118-124.
[14] White, H. (1982). Maximum Likelihood Estimations of Misspecified Models. Econometrica, 50, 1-26.
[15] Zamani Mehreyan, S, and Sayyareh, A. (2015). Statistical Inference in Autoregressive Models with Non-negative Residuals. Statistical Research and Training Center, 12(1), 83–104.
[16] Zamani Mehreyan, S, and Sayyareh, A. (2016). Separated hypotheses testing for autoregressive models with non-negative residuals. Journal of Statistical Computation and Simulation, DOI: 10.1080/00949655.2016-.1222613.