Modelo de séries temporais semiparamétricos com fator latente

• Autor(a) principal: Gisele de Oliveira Maia
• Data de Publicação: 2020
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFMG
• Texto Completo: http://hdl.handle.net/1843/46007; https://orcid.org/0000-0002-2543-2884
• topic: Série Temporal Limitada; Processo Gaussiano; Análise de Regressão; Processo Gama Deslocada; Estimação Quase-verossimilhança; Estatística – Teses; Análise de séries temporais – Teses; Processos gaussianos – Teses; Análise de regressão – Teses; Verossimilhança (Estatistica)– Teses

Introduzimos uma classe de modelos de séries temporais semiparamétricos assumindo uma abordagem de quase-verossimilhança conduzida por um processo latente. Mais especificamente, dado o processo latente, apenas especificamos a média e variância condicionais das séries temporais e utilizamos uma abordagem de quase-verossimilhança para estimar os parâmetros relacionados à média. Essa metodologia proposta possui três características marcantes: (i) nenhuma forma paramétrica é assumida para a distribuição condicional das séries temporais, dado o processo latente; (ii) capaz de modelar séries temporais não-negativas, contagens, limitadas/binárias e com valores reais; (iii) não se assume que o parâmetro de dispersão seja conhecido. Além disso, obtemos expressões explícitas para os momentos marginais e para a função de autocorrelação das séries temporais, para que o método de momentos possa ser empregado para estimar o parâmetro de dispersão e também os parâmetros relacionados ao processo latente. Resultados simulados com o objetivo de verificar o procedimento de estimação proposto são apresentados. A análise de dados reais sobre séries temporais de taxa de desemprego e insolação total ilustram o desempenho de nossa metodologia em situações práticas.