A Bivariate DAR() model for ordinal time series
有序时间序列的二元一阶离散自回归模型AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接提出有序离散时间序列模型，并应用于两国失业状态序列。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
有序时间序列的二元一阶离散自回归模型
- 研究问题
- 如何在保留各序列一阶离散自回归结构的同时，刻画两条有序离散时间序列之间的随机机制依赖与创新依赖？
- 方法与思路
- 作者提出二元 DAR(1) 模型，用 copula 指定伯努利随机机制及创新项的联合分布，并研究模型性质、模拟估计及失业状态应用。
- 材料陈述的贡献
- 摘要称，该模型特别适用于二元有序时间序列，模拟显示中等样本下也能有效估计，并以两个国家的失业状态说明应用。
- 阅读关注点
- 应核对随机机制与创新项的依赖设定、模型平稳性和参数可识别性、估计方法，以及离散边缘下 copula 参数的解释。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未给出模型性质的具体条件、样本规模和误差指标，不能判断有限样本精度。
原文摘要
We present a bivariate vector valued discrete autoregressive model of order $1$ (BDAR($1$)) for discrete time series. The BDAR($1$) model assumes that each time series follows its own univariate DAR($1$) model with dependent random mechanisms that determine from which component the current status occurs and dependent innovations. The joint distribution of the random mechanisms which are expressed by Bernoulli vectors are proposed to be defined through copulas. The same holds for the joint distribution of innovation terms. Properties of the model are provided, while special focus is given to the case of bivariate ordinal time series. A simulation study is presented, indicating that model provides efficient estimates even in case of moderate sample size. Finally, a real data application on unemployment state of two countries is presented, for illustrating the proposed model.