DOI:
10.34229/KCA2522-9664.24.1.6
УДК 519.21
П.С. КНОПОВ
Інститут кібернетики ім. В.М. Глушкова НАН України, Київ, Україна,
knopov1@yahoo.com
А.С. КОРХІН
Придніпровська державна академія будівництів та архітектури, Дніпро, Україна,
a.s.korkhin@gmail.com
ВИЗНАЧЕННЯ КУСКОВО-ЛІНІЙНОГО ТРЕНДУ
НЕСТАЦІОНАРНОГО ЧАСОВОГО РЯДУ
НА ОСНОВІ ІНТЕЛЕКТУАЛЬНОГО АНАЛІЗУ ДАНИХ.
І. ОПИС ТА ОБҐРУНТУВАННЯ МЕТОДУ
Анотація. Запропоновано розглядати тренд нестаціонарного часового ряду як лінійну регресію з невідомими точками перемикання. Описано та обгрунтовано метод оцінювання точок перемикання, що базується на інтелектуальному аналізі даних з використанням статистичних критеріїв.
Ключові слова: лінійна регресія, алгоритм, часовий ряд, тренд, методи, математичне програмування.
повний текст
СПИСОК ЛІТЕРАТУРИ
- Bai J. Estimation of a change point in multiple regression models. Review of Economics and Statistics, 1997. P. 551–563.
- Bai J., Perron P. Computation and analysis of multiple structural change models. Journal of Applied Econometrics. 2003. Vol. 18. P. 1–22.
- Casini A., Perron P. Continuous record Laplace-based inference about the break date in structural change models. Journal of Econometrics. May 2020. P. 37–53.
- Perron P., Zorta E. Estimation and inference of linear trend slope ratios with an application to global temperature. Journal of Time Series Analysis. 2017. Vol. 38, N 5. P. 630–667.
- Korkhin A.S. Constructing a switching regression with unknown switching points. Cybernetics and Systems Analysis. 2018. Vol. 54, N 3. P. 443–455.
- Knopov P.S., Korkhin A.S. Continuous-time switching regression method with unknown switching points. Cybernetics and Systems Analysis. 2020. Vol. 56, N 1. P. 68–80.
- Korkhin A.S. An approximate method of constructing a switching regression with unknown switch points. Cybernetics and Systems Analysis. 2020. Vol. 56, N 3. 426-438.
- Knopov P.S., Korkhin A.S. Statistical analysis of the dynamics of coronavirus cases using stepwise switching regression. Cybernetics and Systems Analysis. 2020. Vol. 56, N 6. P. 943–952.
- Розин Б.Б., Котюков В.И., Ягольницер М.А. Экономико-статистические модели с переменной структурой. Новосибирск: Наука, 1984. 242 с.
- Дрейпер Н., Смит Г. Прикладной регрессионный анализ, 3-е изд. Москва: Издательский дом «Вильямс», 2016. 912 с.
- Себер Дж. Линейный регрессионный анализ. Москва: Мир, 1980. 456 с.
- Корхин А., Пржебицин З. Основы теории вероятностей и математической статистики (для экономистов). Днепр: Лира, 2022. 540 с.
- Chow G.C. Tests of equality between sets of coefficients in two linear regressions. Econometrica 28, 1960. P. 591–605.
- Алберт А. Регрессия, псевдоинверсия и рекуррентное оценивание. Москва: Наука, 1977. 224 с.
- Knopov P.S., Korkhin A.S, Vovk L.B. On minimum length confidence intervals. Modern optimization methods for decision making under risk and uncertainty. CRC Press, 2023. P. 87–101.
- Корхин А.С., Минакова Е.П. Компьютерная статистика. Ч. 2. Днепропетровск: Национальный горный университет, 2009. 239 с.
- Korkhin A.S. Parameter estimation accuracy for nonlinear regression with nonlinear constraints. Cybernetics and Systems Analysis. 1998. Vol. 34, N 6. P. 663–672.
- Korkhin A.S. Solution of problems of the nonlinear least-squares method with nonlinear constraints based on the linearization method. Journal of Automation and Information Sciences. 1999. Vol. 31, N 6. P. 110–120.