GARMA 模型中阶数的选择：贝叶斯视角
统计方法学
2025-04-29 v2
摘要
GARMA 模型的估计传统上采用频率主义方法。尽管如此，针对此类估计的贝叶斯方法仍相对有限。在计数时间序列的 GARMA 模型背景下，贝叶斯估计在点估计方面取得满意结果。该上下文中的模型选择通常依赖于信息准则。尽管该方法在文献中占据主导地位，但对于计数时间序列的 GARMA 模型，信息准则的使用在模拟中表现不佳，尤其是在正确识别模型方面，即使在大样本量下也亦如此。本研究从贝叶斯视角出发，研究计数时间序列的 GARMA 模型阶数选择问题，采用可逆跳跃马尔可夫链蒙特卡罗方法。开展 Monte Carlo 模拟研究以评估所develop方法的有限样本性能，包括点估计和区间推断、敏感性分析、燃烧和稀疏的影响，以及相关先验和超参数的选择。 presented two real-data applications, one considering automobile production in Brazil and the other considering bus exportation in Brazil before and after the COVID-19 pandemic, showcasing the method's capabilities and further exploring its flexibility.
引用
@article{arxiv.2409.07263,
title = {Order selection in GARMA models for count time series: a Bayesian perspective},
author = {Katerine Zuniga Lastra and Guilherme Pumi and Taiane Schaedler Prass},
journal= {arXiv preprint arXiv:2409.07263},
year = {2025}
}