含外生变量的成分时间序列的序贯变点检测
统计方法学
2025-09-10 v2 统计理论
统计理论
摘要
时间序列的序贯变点检测使我们能够随着更多数据的观测，顺序地检验模型是否仍然成立的假设。它在实践中的数据监测中应用广泛。在这项工作中，我们考虑了成分时间序列（即观测值为比例的时间序列）的序贯变点检测。为了拟合成分时间序列，我们提出了一种广义Beta AR(1)模型，该模型可以纳入时间序列观测值所依赖的外生变量。我们证明了该成分时间序列是严格平稳且几何遍历的，并考虑了模型参数的极大似然估计。我们证明了部分MLE是一致的且渐近正态的，并为该成分时间序列模型提出了一种参数化序贯变点检测方法。该变点检测方法通过一个新冠阳性率的时间序列实例进行了说明。
引用
@article{arxiv.2402.18130,
title = {Sequential Change-point Detection for Compositional Time Series with Exogenous Variables},
author = {Yajun Liu and Beth Andrews},
journal= {arXiv preprint arXiv:2402.18130},
year = {2025}
}