Modeling overdispersed or underdispersed count data with generalized Poisson integer-valued GARCH models
Modeling overdispersed or underdispersed count data with generalized Poisson integer-valued GARCH models
复制标题
使用广义泊松整数值 GARCH 模型对过度离散或欠离散计数数据进行建模
DOI：
10.1016/j.jmaa.2011.11.042
复制
发表时间：
2012-05
期刊：
影响因子：
--
通讯作者：
Fukang Zhu
中科院分区：
文献类型：
--
作者：
Fukang Zhu
计数时间序列中的超离散度是一种非常常见的现象，许多作者已经对其进行了较好的研究，但在实际应用中也可能会遇到相反的欠离散度现象，并没有得到足够的重视。基于广义Poisson分布在回归计数模型中和Poisson INGARCH模型在时间序列分析中的普及性，我们引入了广义Poisson INGARCH模型，该模型可以同时考虑超离散度和欠离散度。与双Poisson INGARCH模型相比，这类过程的存在性和遍历性条件更容易得到。我们分析了自相关结构，导出了一阶矩和二阶矩的表达式。我们考虑了参数的极大似然估计，并建立了它们的相合性和渐近正态。将该模型分别应用于一个过离散实例题和一个欠离散实例题，结果表明，该方法比文献中其他基于模型的方法具有更好的性能。
Overdispersion in time series of counts is very common and has been well studied by many authors, but the opposite phenomenon of underdispersion may also be encountered in real applications and receives little attention. Based on popularity of the generalized Poisson distribution in regression count models and of Poisson INGARCH models in time series analysis, we introduce a generalized Poisson INGARCH model, which can account for both overdispersion and underdispersion. Compared with the double Poisson INGARCH model, conditions for the existence and ergodicity of such a process are easily given. We analyze the autocorrelation structure and also derive expressions for moments of order 1 and 2. We consider the maximum likelihood estimators for the parameters and establish their consistency and asymptotic normality. We apply the proposed model to one overdispersed real example and one underdispersed real example, respectively, which indicates that the proposed methodology performs better than other conventional model-based methods in the literature.
登录
查看更多内容
影响因子：
2.5
作者：
B. Ray
通讯作者：
B. Ray
DOI：
10.1007/0-8176-4477-6_2
发表时间：
2005-12
期刊：
--
影响因子：
--
作者：
P. Consul;F. Famoye
通讯作者：
P. Consul;F. Famoye
DOI：
10.1111/j.1467-9868.2004.00432.x
发表时间：
2004-02
期刊：
Journal of the Royal Statistical Society: Series B (Statistical Methodology)
影响因子：
--
作者：
S. Ling
通讯作者：
S. Ling
影响因子：
0.9
作者：
Fokianos, Konstantinos;Fried, Roland
通讯作者：
Fried, Roland
影响因子：
2.3
作者：
C. Weiß
通讯作者：
C. Weiß