Copula‐based semiparametric analysis for time series data with detection limits
Copula‐based semiparametric analysis for time series data with detection limits
复制标题
基于 Copula 的半参数分析，用于具有检测限的时间序列数据
DOI：
10.1002/cjs.11503
复制
发表时间：
2019
期刊：
影响因子：
--
通讯作者：
Wang, Huixia Judy
中科院分区：
文献类型：
--
作者：
Li, Fuyuan;Tang, Yanlin;Wang, Huixia Judy
具有检测限的时间序列数据的分析具有挑战性，因为可能性涉及高维积分。现有的方法要么计算要求高，或依赖于限制性的参数分布假设。我们提出了一种半参数方法，其中时间依赖性由参数copula捕获，而边际分布则由非参数估计。利用Copula函数的性质，我们提出了一种新的基于Copula函数的序贯抽样算法，它提供了一种计算截尾似然的方便方法。即使没有完整的参数分布假设，所提出的方法仍然允许我们有效地计算条件分位数的删失响应在未来的时间点，从而构建点和区间预测。我们建立了所提出的伪最大似然估计的渐近性质，并通过模拟和水质数据的分析表明，所提出的方法比基于高斯的方法更灵活，对非正态数据的预测更准确。The Canadian Journal of Statistics 47：438-454; 2019 © 2019 Statistical Society of Canada
The analysis of time series data with detection limits is challenging due to the high‐dimensional integral involved in the likelihood. Existing methods are either computationally demanding or rely on restrictive parametric distributional assumptions. We propose a semiparametric approach, where the temporal dependence is captured by parametric copula, while the marginal distribution is estimated non‐parametrically. Utilizing the properties of copulas, we develop a new copula‐based sequential sampling algorithm, which provides a convenient way to calculate the censored likelihood. Even without full parametric distributional assumptions, the proposed method still allows us to efficiently compute the conditional quantiles of the censored response at a future time point, and thus construct both point and interval predictions. We establish the asymptotic properties of the proposed pseudo maximum likelihood estimator, and demonstrate through simulation and the analysis of a water quality data that the proposed method is more flexible and leads to more accurate predictions than Gaussian‐based methods for non‐normal data.The Canadian Journal of Statistics47: 438–454; 2019 © 2019 Statistical Society of Canada
登录
查看更多内容
截断数据排列检验的顺序蒙特卡罗方法
DOI：
--
发表时间：
2007
期刊：
影响因子：
--
作者：
Yuguo Chen;Jun S. Liu
通讯作者：
Jun S. Liu
DOI：
--
发表时间：
1993-09
期刊：
Cancer epidemiology, biomarkers & prevention : a publication of the American Association for Cancer Research, cosponsored by the American Society of Preventive Oncology
影响因子：
--
作者：
Miriam;Garland;J. Steven;Morris;Bernard;-A.;Rosner;Meir;J. Stampfer;Victoria;L. Spate;Connie;Baskett;Walter;-C.;Willett;David;J. Hunter
通讯作者：
Miriam;Garland;J. Steven;Morris;Bernard;-A.;Rosner;Meir;J. Stampfer;Victoria;L. Spate;Connie;Baskett;Walter;-C.;Willett;David;J. Hunter
DOI：
--
发表时间：
2006
期刊：
影响因子：
--
作者：
Yuguo Chen;I. Dinwoodie;S. Sullivant
通讯作者：
S. Sullivant
使用 COPULAS 调整马尔可夫链蒙特卡罗算法
DOI：
--
发表时间：
2011
期刊：
影响因子：
--
作者：
Radu V. Craiu
通讯作者：
Radu V. Craiu
用于分析水质数据的统计工具
DOI：
--
发表时间：
2012
期刊：
影响因子：
--
作者：
L. Fu;You‐Gan Wang
通讯作者：
You‐Gan Wang