ترجمه مقاله استنتاج آماری همزمان در مدل‌های عامل پویا - نشریه الزویر

ترجمه مقاله استنتاج آماری همزمان در مدل‌های عامل پویا - نشریه الزویر
قیمت خرید این محصول
۴۱,۰۰۰ تومان
دانلود رایگان نمونه دانلود مقاله انگلیسی
عنوان فارسی
استنتاج آماری همزمان در مدل‌های عامل پویا: تقریب کای دو و بوت استرپ مبتنی بر مدل
عنوان انگلیسی
Simultaneous statistical inference in dynamic factor models: Chi-square approximation and model-based bootstrap
صفحات مقاله فارسی
33
صفحات مقاله انگلیسی
17
سال انتشار
2019
نشریه
الزویر - Elsevier
فرمت مقاله انگلیسی
PDF
فرمت ترجمه مقاله
ورد تایپ شده و pdf
نوع مقاله
ISI
نوع نگارش
مقالات پژوهشی (تحقیقاتی)
نوع ارائه مقاله
ژورنال
پایگاه
اسکوپوس
ایمپکت فاکتور(IF) مجله
1.529 در سال 2018
شاخص H_index مجله
93 در سال 2019
شاخص SJR مجله
1.245 در سال 2019
شناسه ISSN مجله
0167-9473
شاخص Q یا Quartile (چارک)
Q1 در سال 2018
کد محصول
9636
وضعیت ترجمه عناوین تصاویر و جداول
ترجمه شده است ✓
وضعیت ترجمه متون داخل تصاویر و جداول
ترجمه شده است ✓
وضعیت ترجمه منابع داخل متن
ترجمه شده است ✓
وضعیت فرمولها و محاسبات در فایل ترجمه
به صورت عکس، درج شده است ✓
بیس
است ✓
مدل مفهومی
دارد ✓
پرسشنامه
ندارد ☓
متغیر
ندارد ☓
رشته های مرتبط با این مقاله
آمار
گرایش های مرتبط با این مقاله
آمار ریاضی
مجله
آمار محاسباتی و تجزیه و تحلیل داده ها - Computational Statistics and Data Analysis
دانشگاه
موسسه آمار، دانشگاه برمن، آلمان
کلمات کلیدی
بوت استرپ، تبدیل فوریه تجربی، نرخ خطای خانوادگی، آزمون فرضیه چندگانه، توزیع کای دوی چند متغیره، آماره نوع-والد
کلمات کلیدی انگلیسی
Bootstrap - Empirical Fourier transform - Family-wise error rate - Multiple hypothesis testing - Multivariate chi-square distribution - Wald-type statistic
doi یا شناسه دیجیتال
https://doi.org/10.1016/j.csda.2018.08.012
فهرست مطالب
چکیده
مقدمه و انگیزه
متدلوژی آماری
مدل عامل پویا
آزمون چندگانه
استنتاج مبتنی بر احتمال در مدل‌های عامل پویا
پیاده‌سازی
شناسایی مدل
تخمین تعداد باندهای فرکانس مجزا
تخمین پارامترهای آزاد در مدل
مطالعات شبیه‌سازی
کاربرد
بحث
نمونه چکیده متن اصلی انگلیسی
Abstract

Statistical inference methodology in dynamic factor models (DFMs) is extended to the multiple testing context based on a central limit theorem for empirical Fourier transforms of multivariate time series. This theoretical result allows for employing a vector of Wald-type test statistics which asymptotically follows a multivariate chi-square distribution under the global null hypothesis when the observation horizon tends to infinity. Multiplicity-adjusted asymptotic multiple test procedures based on Wald statistics are compared with a model-based bootstrap procedure proposed in recent previous work. Monte Carlo simulations demonstrate that both the asymptotic multiple chi-square test with an appropriate multiplicity adjustment and the bootstrap-based multiple test procedure keep the family-wise error rate approximately at the predefined significance level. The estimation algorithm as well as the implementation of the testing procedures are described in detail and a real-life application is performed on European commodity data.

نمونه چکیده ترجمه متن فارسی
چکیده
متدلوژی استنتاج آماری در مدل‌های عامل پویا (DFMs) در زمینه آزمون چندگانه بر اساس قضیه حد مرکزی برای تبدیلات فوریه تجربی سری‌های زمانی چند متغیره توسعه می‌یابد. این نتیجه نظری امکان استفاده از برداری از آماره آزمون نوع-والد را فراهم می‌سازد که به طور مجانبی از توزیع کای دوی چند متغیره‌ای تحت فرضیه پوچ جهانی، هنگامِ مِیل افق مشاهده به سمت بی‌نهایت، پیروی می‌کند. روال‌های آزمون چندگانه مجانبی چندگانگی-تطبیقی بر اساس آماره والد با روال بوت استرپ مدل-محور ارائه شده در کارهای قبلی اخیر مقایسه می‌شوند. شبیه‌سازی‌های مونت کارلو نشان می‌دهند که هر دوی آزمون کای دوی چندگانه مجانبی با تطبیق مناسب چندگانگی و روال آزمون چندگانگی مبتنی بر بوت استرپ، نرخ خطای خانوادگی را در سطح معناداریِ از پیش تعریف شده حفظ می‌کنند. الگوریتم تقریب و همچنین پیاده‌سازی روال‌ها آزمون به طور دقیق شرح داده شده و کاربردی واقعی روی داده‌های کالای اروپا انجام می‌شود.

بدون دیدگاه