شناسایی انواع تغییرات تاثیر گذار بر رفتار مدل های سری زمانی ساختاری با معادلات فضای حالت

در این مقاله روشی برای استفاده از خروجی های کالمن فیلتر برای شناسایی تغییرات تاثیر گذار سری زمانی ارائه شده است. از آن جا که الگوریتم کالمن فیلتر برای تحلیل مدل های فضای حالت به کار می رود که مدل های خطی ARMA را پوشش می دهد، استفاده از این روش می تواند برای شناسایی تغییرات از جمله مقادیر پرت به کار رود. در این مقاله روش پیشنهاد شده برای شناسایی پنج تغییر: نقطه پرت جمع پذیر، تغییر سطح، تغییرات فصلی، تغییر دوره و شیب ناگهانی سری زمانی استفاده شده است. توانایی روش پیشنهادی در یافتن نقاط تاثیر گذار با استفاده شبیه سازی نشان داده شد. به عنوان یک مثال واقعی داده های ازدواج در کشور انگلیس مورد بررسی قرار گرفت.

کلیدواژه ها:

Kalman Filter Smoother ، Outliers ، Structural Models ، State Space Model ، Structural Breaks. ، هموارکننده فیلتر کالمن ، نقاط پرت ، مدل های ساختاری ، مدل فضای حالت ، شکست ساختاری