Modellierung der seriellen Abhängigkeit in Zähldaten-Zeitreihen

对计数数据时间序列中的序列依赖性进行建模

基本信息

批准号：
98444884
负责人：
Professor Dr. Robert C. Jung
金额：
--
依托单位：
The University of New South Wales (UNSW)
依托单位国家：
德国
项目类别：
Research Grants
财政年份：
2008
资助国家：
德国
起止时间：
2007-12-31 至 2011-12-31
项目状态：
已结题

来源：
https://gepris.dfg.de/gepris/projekt/98444884?language=en
关键词：
Modellierung der seriellen Abh ngigkeit

项目摘要

Zeitreihendaten mit Zähldatencharakter spielen in vielen Anwendungsbereichen eine Rolle. Als Beispiele seien etwa genannt die Fallzahlen seltener Krankheiten pro Tag oder Monat; die Anzahl von Zugriffen auf eine Internetseite pro Tag; die Anzahl von Transaktionen für ein bestimmtes Gut (z.B. Wertpapier) auf einer Handelsplattform pro Stunde. Bei der empirischen Analyse dieser Daten, die typischerweise kleine Merkmalsausprägungen besitzen, ist deren besonderer Charakter zu beachten. Neben der Ganzzahligkeit und der Nichtnegativität der Beobachtungen spielt insbesondere die adäquate Modellierung der Abhängigkeitsstruktur eine große Rolle. In der statistischen Literatur wurden hierzu eine Vielzahl von unterschiedlichen Vorschlägen unterbreitet. Bisher konnte sich jedoch kein Standardansatz herausbilden. Allerdings haben sich im Verlauf der letzten Jahre eine Vielzahl von Veröffentlichungen mit einer Modellklasse beschäftigt, die eng an die stetigen Autoregressiven Moving-Average-Modelle angelehnt ist: die ganzzahligen Modelle mit serieller Abhängigkeit. Ziel dieses Projekts ist es, die Möglichkeiten und Grenzen dieser Modellklasse in der empirischen Anwendung auf Zähldaten- Zeitreihen mit kleinen Merkmalsausprägungen aufzuzeigen. Dabei sollen Lösungsvorschläge für wichtige offenen Fragen unterbreitet werden: wie kann überproportionale Streuung in den Daten adäquat modelliert werden; wie kann eine serielle Korrelation in den Daten, die Modelle höherer Ordnung als eins verlangen, in diesem Rahmen behandelt werden und wie können die verschiedenen Modellvarianten auf Basis objektiver Kriterien miteinander verglichen werden.

了解一生中最好的最好方法。您需要知道的就是看到您的一生。了解自己一生中最好的最好方法是了解自己的一生。 KleineMerkmalsausprägungenbesitzen，ist deren besonderer charakter Zu Beachten。 neben der ganzzahligkeit和dernichtnegativitätder beobachtungen spielt insbesondere dieadäquatemodellierung derabhängigkeitsstruktruktruktureineeinegroßeRolle。在Der Statistischen文学中，Wurden hierzu eine vielzahl von unterschiedlichenvorschlägenunterbreitet。 Bisher Konnte Sich Jedoch Kein Standartansatz Herausbilden。过敏哈本·哈本（Haben haben sich Im Verlauf） Ziel Dieses projekts est，DieMöglichkeitenund Grenzen Dieser Modellklasse in der Empirischen anwendung aufZähldaten-Zeitreihen mit KleinenMerkmalsausausausausprägungenaufzuzeigen。 DabeiSollenLösungsvorschlägefürWichtigeOffenen fragen unterbreitet Werden：WieKannüberprappropraplealestreuung in den daten ad daten adadäquatmodelliert werden; Wie Kann Eine Serielle Korryle Korryation在Den Daten，模特HöhererOrdnungAls Eins Verlangen，Diesem Rahmen Behandelt werden undelt undelt undWieKönnenDie verschiedenen modellvarianten auf objektiver objektiver objektiver kriterien kriterien kriterien miteinander miteinander verglichen verglichen werden。