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

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 |
تعداد صفحات مقاله انگلیسی : 17 | تعداد صفحات ترجمه فارسی : 33 |
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) |
پایگاه : اسکوپوس | نوع ارائه مقاله : ژورنال |
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 |
محتوای فایل : zip | حجم فایل : 3.31Mb |
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 |
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 ☓ |
doi یا شناسه دیجیتال: https://doi.org/10.1016/j.csda.2018.08.012 |
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
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.
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.