مدل اتورگرسیو غیرخطی مرتبه ی اول نیمه پارامتری با خطاهای وابسته و چوله نرمال

الموضوعات :

لیلا سخابخش ¹ (گروه آمار، دانشکده علوم پایه، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران)
رحمان فرنوش ² (گروه ریاضی، دانشکده ریاضی، دانشگاه علم و صنعت ایران، تهران، ایران)
افشین فلاح ³ (گروه آمار، دانشکده علوم پایه، دانشگاه بین المللی امام خمینی، قزوین، ایران)
محمد حسن بهزادی ⁴ (گروه آمار، دانشکده علوم پایه، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران)

تاريخ الإرسال : 19 الأربعاء , رجب, 1442 تاريخ التأكيد : 11 الأربعاء , صفر, 1444 تاريخ الإصدار : 28 الخميس , جمادى الأولى, 1444

الکلمات المفتاحية: Nonlinear Autoregressive Model, EM algorithm, Semiparametric estimation, Skew normal errors,

ملخص المقالة :

روش های متداول برای تحلیل مدل های اتورگرسیو غیرخطی بر فرض نرمال بودن خطاها بنا نهاده شده است، این در حالی است که در بسیاری از کاربردها، مانده ها ساختاری غیرنرمال را نشان می دهند و استفاده از این روش ها به پیش یینی های گمراه کننده و غیرقابل اعتماد منجر می شود. همچنین در این شرایط روش های پارامتری و ناپارامتری در برآورد تابع رگرسیون غیرخطی از کارایی لازم برخوردار نیستند. در این مقاله ، مدل اتورگرسیو غیرخطی مرتبه ی اول با خطاهای وابسته و چوله نرمال معرفی و یک روش نیمه پارامتری برای برآورد قسمت غیرخطی مدل پیشنهاد شده است. پارامترهای مدل با استفاده از روش ماکسیمم درستنمایی و با به کارگیری الگوریتم EM برآورد شده اند.کارایی مدل پیشنهادی با استفاده از یک مطالعه شبیه سازی و تحلیل یک مجموعه داده واقعی مربوط به داده های روزانه نرخ برابری یورو به دلار ، مورد بررسی قرار گرفته است.

المصادر:

 

[1] Farnoosh, R, Hajebi, M. and Samadi, Y. (2019). A semiparametric estimation for the first-order nonlinear autoregressive time series model with independendent and dependent errors. Iranian Journal of Science and Technology, Transaction A: Science, 43: 905-917.

 

[2] Mortazavi, S. J. and Farnoosh, R. (2013). The prediction nonlinear autoregressive model for annual ring width of pinus eldarica with semiparametric approach. World Applied Sciences Jornal, 26(6): 783-787.

 

[3] Zhuoxi, Y., Dehui, W. and Ningzhong, S. (2009). Semiparametric estimation of regression function in autoregressive models. Statistics & Probability Letters, 61: 165-172.

 

[4] Farnoosh, R. and Mortazavi, S. J. (2011). A semiparametric method for estimating nonlinear autoregressive model with dependent errors. Nonlinear Analysis, 74: 6358-6370.

 

[5] Tong, H. (1990). Nonlinear time series, Oxford university press, Oxford.

 

[6] Li, Q. (1999). Consistent model specification tests for time series econometric models. Journal of econometrics, 92: 101-147.

 

[7] Azzalini, A. (1985). A class of distribution which includes the normal ones. Scandinavian Journal of statistics, 12: 171-178.

 

[8] Hajrajabi, A. and Fallah, S. J. (2018). Nonlinear semiparametric AR(1) model with skew symmetric innovations. Communications in Statistics-Simulation and computation, 47: 1453-1462.

 

[9] Hajrajabi, A. and Mortazavi, S. J. (2019). The first-order nonlinear autoregressive Model with skew normal innovations: A semiparametric approach. Iranian Journal of Science and Technology, Transaction A: Science, 43: 579-587

 

[10] Henz N (1986). A probabilistic representation of the skew-normal. Scandinavian Journal of statistics, 13:171-178

 

[11] Azzalini A (1986). Further results on a class of distributions which includes the normal ones. Scandinavian Journal of statistics, 12:171-178.

]

12[ بهرامی، محمد (1389)، توزیع نرمال چوله و برآورد ماکسیمم درستنمایی پارامترهای آن، دهمین کنفرانس آمار ایران، دانشگاه تبریز.

 

[13] Farnoosh, R. and Nademi, A. (2014). Mixture of autoregressive-autoregressive conditionally heteroscedastic models: Semi- parametric approach. Journal of Applied Statistics, 41: 275-293.