这必定会发生-预测介于0和1之间的事物。
在我的系列文章中,我怀疑有一个自动回归的成分,也有一个均值回归的成分,所以我希望我可以像ARIMA那样解释一些东西,但是我不希望它将来会飙升到1000% 。
您是否仅将ARIMA模型用作逻辑回归中的参数以将结果限制在0和1之间?
或者我在这里了解到Beta回归更适合(0,1)数据。我如何将其应用于时间序列?是否有好的R软件包或Matlab函数使拟合和预测变得容易?
这必定会发生-预测介于0和1之间的事物。
在我的系列文章中,我怀疑有一个自动回归的成分,也有一个均值回归的成分,所以我希望我可以像ARIMA那样解释一些东西,但是我不希望它将来会飙升到1000% 。
您是否仅将ARIMA模型用作逻辑回归中的参数以将结果限制在0和1之间?
或者我在这里了解到Beta回归更适合(0,1)数据。我如何将其应用于时间序列?是否有好的R软件包或Matlab函数使拟合和预测变得容易?
Answers:
在1978年于斯坦福的博士学位论文中,我构造了一个一阶自回归过程族,在上具有一致的边际分布 对于任何整数令其中,对于,具有以下离散均匀分布,即。有趣的是,即使您开始假设在上是均匀的,即使是离散的,每个在上也具有连续的均匀分布。后来我和理查德·戴维斯(Richard Davis)将其扩展到负相关,即。有趣的是作为一个固定的自回归时间序列的示例,该时间序列受OP指示对他感兴趣,被约束为介于和之间。这是一种病态的情况,因为尽管序列的最大值满足与极限相似的极限值对于IID制服,其极值指数小于。在我的论文和《概率年鉴》中,我表明极值指数为。我没有将其称为极值索引,因为该术语是后来由Leadbetter创造的(最著名的是在与Rootzen和Lindgren合着的1983年Springer著作中提到的)。我不知道这个模型是否有很多实用价值。我认为可能不是因为噪声分布如此特殊。但这确实是一个有点病态的例子。