Jakie jest typowe podejście do modelowania binarnych szeregów czasowych? Czy istnieje papier lub podręcznik, w którym jest to traktowane? Myślę o procesie binarnym z silną autokorelacją. Coś w rodzaju znaku procesu AR (1) rozpoczynającego się od zera. Powiedz i
set.seed(1)
X = rep(0,100)
beta = 0.9
sigma = 0.1
for(i in 1:(length(X)-1)){
X[i+1] =beta*X[i] + rnorm(1,sd=sigma)
}
acf(X)
acf(sign(X))
Co to jest książka text / zwykle podejście do modelowania gdybym uzyskać dane binarne i wszystko co wiem to, że istnieje znacząca autokorelacji?
Pomyślałem, że w przypadku regresorów zewnętrznych lub manekinów sezonowych mogę wykonać regresję logistyczną. Ale jakie jest podejście oparte na szeregach czasowych?
EDYCJA: a ściślej załóżmy, że znak (X) jest autokorelowany z maksymalnie 4 opóźnieniami. Czy byłby to model Markowa rzędu 4 i czy możemy zrobić z nim dopasowanie i prognozowanie?
EDYCJA 2: W międzyczasie natknąłem się na błyski szeregów czasowych. Są to glms, gdzie zmiennymi objaśniającymi są opóźnione obserwacje i regresory zewnętrzne. Wydaje się jednak, że dzieje się tak w przypadku Poissona i ujemnych liczb dwumianowych. Mógłbym przybliżać Bernoullisa za pomocą rozkładu Poissona. Zastanawiam się tylko, czy nie ma do tego jasnego podręcznika.
EDYCJA 3: nagroda wygasa ... jakieś pomysły?