انتخاب مدل غیرآشیانی در مدل‌های رگرسیونی با باقی‌ماندۀ سری‌های ‌زمانی نامنفی

Abstract

یکی از فرضیات معمول در مدل‌های رگرسیونی، نرمال و مستقل بودن مانده‌ها و آشیانی بودن مدل‌های تحت بررسی است. اما در عمل، با مدل‌های غیرآشیانی و خطاهای همبسته نامنفی نیز مواجه می‌شویم. در این مقاله، انتخاب مدل برای مدل‌های رگرسیونی غیرآشیانی با باقی‌ماندۀ خودبازگشتی نامنفی با توزیع‌های گاما، وایبل و لگ-نرمال به‌عنوان مدل‌های رقیب در نظر گرفته شده است. به‌دلایل فنی پارامترهای موجود در مدل‌ها با استفاده از روش برآوردیابی درست‌نمایی ماکسیمم تعمیم‌یافته برآورد می‌شوند. سپس با مطالعۀ شبیه‌سازی، مدل رگرسیونی بهینه با خطای سری‌های ‌زمانی خودبازگشتی نامنفی به وسیله مقایسه معیارهای انتخاب مدل، تعیین می‌شود.