چکیده

مدل­ های سری زمانی با مقادیر پارامتری وابسته به شاخص فصلی، معمولاً به عنوان مدل­ های دوره­ای شناخته می ­شوند. فرمول بندی­ های دوره­ای مربوط به دو رده از مدل­ های سری زمانی در اینجا در نظر گرفته می­ شود: مدل­ های مولفه مشاهده نشده و میانگین متحرک جمع ­بسته اتورگرسیو فصلی. نمایش­ های مناسبی از فضای حالت مدل­ های دوره ­ای برای تسهیل شناسایی، مشخصه ­یابی و براورد دقیق ماکسیمم درست نمایی پارامترهای دوره ای مدل پیشنهاد می­ شوند. این فرمول­ بندی­ ها نیازی به تعیین اولیه تفاضل (فصلی) سری زمانی ندارند. نمایش فضای حالت متغیر با زمان، یک جایگزین جالب توجه برای نمایش برداری زمان ثابت مدل­ های دوره ای است که نوعاً سبب ایجاد بردار حالتی با ابعاد بالا در مدل­ های سری زمانی دوره ای ماهانه می­ شود. پیشرفت اصلی ایجاد شده در این مقاله، روش ارائه شده ما برای محاسبه ماتریس واریانس – کوواریانس مجموعه مشاهدات اولیه است که برای براورد دقیق ماکسیمم درست نمایی موردنیاز است. دو رده از مدل­ های دوره ای برای سری زمانی بیکاری ماهانه پس از جنگ آمریکا نشان داده می­ شود.

1-مقدمه

سری­ های زمانی فصلی که توابع خود همبستگی­ شان با تغییر فصل تغییر می­ کند، سری زمانی دوره ای نام دارند. برای شناسایی مشخصات دینامیکی یک سری زمانی، گلادیسوف (1961) و تیائو و گروپه (1980) با استفاده از نمایش برداری مانای سری زمانی تک­ متغیری دوره ای، خودهمبستگی دوره ای را تعریف کردند. زمانی که خصوصیات دوره ای یک سری زمانی شناخته شد، تحلیل ­گر سری زمانی می­ تواند مدل­ های سری زمانی­ ای را در نظر بگیرد که این همبستگی­ های دوره ای را ایجاد کنند....

 میتوانید از لینک ابتدای صفحه، مقاله انگلیسی را رایگان دانلود فرموده و چکیده انگلیسی و سایر بخش های مقاله را مشاهده فرمایید