STAR modeli - STAR model

ESTAR modeli için üstel geçiş işlevi ${displaystyle z_ {t}}$ -10 ile +10 arasında değişen ve ${displaystyle zeta}$ - 0'dan 1'e.

İçinde İstatistik, Yumuşak Geçişli Otoregresif (STAR) modeller tipik olarak uygulanır Zaman serisi bir uzantısı olarak veriler otoregresif modeller, model parametrelerinde daha yüksek derecede esnekliğe izin vermek için yumuşak bir geçiş.

Bir zaman serisi veri verildiğinde x_tSTAR modeli, serinin değerine bağlı olarak serinin davranışının değiştiğini varsayarak, bu serideki gelecekteki değerleri anlamak ve belki de tahmin etmek için bir araçtır. geçiş değişkeni. Geçiş şunlara bağlı olabilir: geçmiş değerler of x serisi (benzer SETAR modelleri ) veya eksojen değişkenler.

Model şunlardan oluşur: 2 otoregresif (AR) geçiş işlevi ile bağlanan parçalar. Model genellikle şu şekilde anılır: STAR(p) geçiş işlevini açıklayan mektupla ilerletilen modeller (aşağıya bakınız) ve p emri otoregresif Bölüm. En popüler geçiş işlevi, üstel işlevi ve birinci ve ikinci derece lojistik işlevleri içerir. Logistic STAR'a (LSTAR) ve Üstel STAR (ESTAR) modeller.

Tanım

Otomatik Regresif Modeller

Basit bir AR düşünün (p) modeli Zaman serisi y_t

${displaystyle y_ {t} = gamma _ {0} + gamma _ {1} y_ {t-1} + gamma _ {2} y_ {t-2} + ... + gamma _ {p} y_ {tp} + epsilon _ {t}.,}$

nerede:

${displaystyle gamma _ {i},}$ için ben=1,2,...,p vardır otoregresif zamanla sabit olduğu varsayılan katsayılar;

${displaystyle epsilon _ {t} {stackrel {mathit {iid}} {sim}} WN (0; sigma ^ {2}),}$ duruyor beyaz gürültü sabit hata terimi varyans.

aşağıdaki vektör biçiminde yazılmıştır:

${displaystyle y_ {t} = mathbf {X_ {t} gama} + sigma epsilon _ {t}.,}$

nerede:

${displaystyle mathbf {X_ {t}} = (1, y_ {t-1}, y_ {t-2}, ldots, y_ {t-p}),}$ değişkenlerin bir sütun vektörüdür;

${görüntü stili gama,}$ parametrelerin vektörüdür:${displaystyle gama _ {0}, gama _ {1}, gama _ {2}, ..., gama _ {p},}$;

${displaystyle epsilon _ {t} {stackrel {mathit {iid}} {sim}} WN (0; 1),}$ duruyor beyaz gürültü sabit hata terimi varyans.

ESTAR modeli için üstel geçiş işlevi ${displaystyle z_ {t}}$ -10 ile +10 arasında değişen, ${displaystyle zeta}$ 0'dan 1'e ve iki üstel kök (${displaystyle c_ {1}}$ ve ${displaystyle c_ {2}}$) -7 ve + 3'e eşittir.

Otomatik Regresif Modelin Uzantısı Olarak STAR

STAR modelleri, aynı kısaltmanın kullanıldığı 1986 yılında Kung-sik Chan ve Howell Tong (özellikle s. 187) tarafından tanıtılmış ve kapsamlı bir şekilde geliştirilmiştir. Başlangıçta Düzgün Eşikli Otomatik Regresif anlamına gelir. Bazı arka plan geçmişi için bkz. Tong (2011, 2012). Modeller, yukarıda tartışılan otoregresif modellerin genişlemesi açısından düşünülebilir, model parametrelerinde zayıf değerlere göre değişikliklere izin verir. dışsal geçiş değişkeni z_t. TAR modellerinin STAR modellerine karşı testleri için bkz. Gao, Ling ve Tong (2018, Statistica Sinica, cilt 28, 2857-2883).

Bu şekilde tanımlanan STAR modeli şu şekilde sunulabilir:

${displaystyle y_ {t} = mathbf {X_ {t}} + G (z_ {t}, zeta, c) mathbf {X_ {t}} + sigma ^ {(j)} epsilon _ {t},}$

nerede:

${displaystyle X_ {t} = (1, y_ {t-1}, y_ {t-2}, ..., y_ {t-p}),}$ değişkenlerin bir sütun vektörüdür;

${displaystyle G (z_ {t}, zeta, c)}$ 0 ile 1 arasında sınırlandırılmış geçiş işlevidir.

Basit yapı

Rejimler arasında sorunsuz geçiş sağlayan iki rejimli SETAR modeli olarak veya süreklilik rejimlerin. Her iki durumda da, parametrelerin değerlerinde değişikliklere izin verdiği için geçiş fonksiyonunun varlığı modelin tanımlayıcı özelliğidir.

Geçiş İşlevi

ESTAR modeli için lojistik geçiş işlevi ${displaystyle z_ {t}}$ -10 ile +10 arasında değişen ve ${displaystyle zeta}$ - 0 ile 1 arasında hesaplanır. GNU R paketi..

Üç temel geçiş işlevi ve ortaya çıkan modellerin adı:

• birinci dereceden lojistik fonksiyon - Logistic STAR (LSTAR) model:

${displaystyle G (z_ {t}, zeta, c) = (1 + exp (-zeta (z_ {t} -c))) ^ {- 1}, zeta> 0}$

• üstel işlev - Üstel STAR (ESTAR) model:

${displaystyle G (z_ {t}, zeta, c) = 1-exp (-zeta (z_ {t} -c) ^ {2}), zeta> 0}$

• ikinci dereceden lojistik fonksiyon:

${displaystyle G (z_ {t}, zeta, c) = (1 + exp (-zeta (z_ {t} -c_ {1}) (z_ {t} -c_ {2})) ^ {- 1}, zeta> 0}$

Ayrıca bakınız

• Üstel fonksiyonun karakterizasyonu
• Üstel büyüme
• Üs alma
• Genelleştirilmiş lojistik fonksiyon
• Lojistik dağıtım
• SETAR modelleri

Referanslar

Bu makale şunları içerir: referans listesi, ilgili okuma veya Dış bağlantılar, ancak kaynakları belirsizliğini koruyor çünkü eksik satır içi alıntılar. Lütfen yardım edin geliştirmek bu makale tanıtım daha kesin alıntılar. (Haziran 2012) (Bu şablon mesajını nasıl ve ne zaman kaldıracağınızı öğrenin)

• Chan, K. S .; Tong, H. (1986). "Otoregresif Modellerde Eşiklerin Tahmin Edilmesi Üzerine". Journal of Time Series Analysis. 7 (3): 178–190. doi:10.1111 / j.1467-9892.1986.tb00501.x.
• Van Dijk, D .; Teräsvirta, T .; Franses, P.H. (2002). "Düzgün Geçişli Otoregresif Modeller - Son Gelişmelerin İncelenmesi". Ekonometrik İncelemeler. 21 (1): 1–47. doi:10.1081 / ETC-120008723.
• Tong, H. (2011). "Zaman serisi analizinde eşik modelleri - 30 yıl sonra (P. Whittle, M. Rosenblatt, B. E. Hansen, P. Brockwell, N. I. Samia ve F. Battaglia'nın tartışmalarıyla)" (PDF). İstatistikler ve Arayüzü. 4 (2): 107–118. doi:10.4310 / SII.2011.v4.n2.a1.
• Hansen, B. E. (2011). "Ekonomide Eşik Otomatik Regresyon" (PDF). İstatistikler ve Arayüzü. 4 (2): 123–127. doi:10.4310 / sii.2011.v4.n2.a4.
• Tong, H. (2012). "Battaglia ve Protopapa tarafından hazırlanan 'Doğrusal olmayan durağan olmayan zaman serisi modellerine dayalı olarak Alp bölgesindeki küresel ısınmanın analizi' tartışması (PDF). İstatistiksel Yöntemler ve Uygulamalar. 21 (3): 335–339. doi:10.1007 / s10260-012-0196-1.