A multivariate Birnbaum-Saunders autoregressive moving average model with application to air pollution concentration data
用于空气污染浓度资料的多变量 Birnbaum–Saunders 自回归移动平均模型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：摘要明确提出多变量自回归移动平均模型，用于相关正值非对称时间序列。
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
用于空气污染浓度资料的多变量 Birnbaum–Saunders 自回归移动平均模型
- 研究问题
- 对于相关、正值且右偏的多变量时间序列，如何同时描述序列间相关性、动态依赖与外生因素，并可靠估计模型参数？
- 方法与思路
- 作者将多变量对数线性 Birnbaum–Saunders 框架与条件位置参数上的自回归移动平均项结合，加入外生项并用 EM 算法估计。
- 材料陈述的贡献
- 摘要称，所提模型在不同相关程度和样本规模的模拟中表现良好，并应用于智利圣地亚哥三个监测站的每周细颗粒物浓度。
- 阅读关注点
- 应核对条件分布与相关结构的定义、动态过程的稳定性要求、EM 算法步骤，以及模拟指标和污染资料的模型诊断。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实。摘要仅概括表现良好，未说明具体模拟结果、比较基准或模型适用条件。
原文摘要
Fine particulate matter (PM$_{2.5}$) concentration data are positive, right-skewed series that arise naturally in environmental monitoring and are well described by the Birnbaum-Saunders (BS) distribution. In this paper, we propose a multivariate BS autoregressive moving average (MBSARMA) model with exogenous terms for the joint analysis of correlated positive asymmetric time series. The proposed model combines the multivariate log-linear BS framework with dynamic autoregressive moving average components on the conditional location parameter of each response. We estimate the model parameters by means of the Expectation-Maximisation (EM) algorithm. The performance of the proposed conditional likelihood estimators is evaluated by means of a Monte Carlo simulation study under several correlation levels and sample sizes. An application to weekly PM$_{2.5}$ pollution concentration data recorded at three monitoring stations in Santiago, Chile, obtained from the National Air Quality Information System of Chile (SINCA), is presented. The results show the good performance of the proposed methodology.