• Communications for Statistical Applications and Methods
• /
• v.19 no.3
• /
• pp.507-516
• /
• 2012

We study time series models for seasonal time series data with a covariance structure that depends on time and the periodic autocorrelation at various lags $k$. In this paper, we introduce an ARMA model with periodically varying coefficients(PARMA) and analyze Arosa ozone data with a periodic correlation in the practical case study. Finally, we use a PARMA model and a seasonal ARIMA model for data analysis and show the performance of a PARMA model with a comparison to the SARIMA model.

• The Korean Journal of Applied Statistics
• /
• v.28 no.5
• /
• pp.871-883
• /
• 2015

Vector autoregressive (VAR) models in high dimension suffer from noisy estimates, unstable predictions and hard interpretation. Consequently, the sparse vector autoregressive (sVAR) model, which forces many small coefficients in VAR to exactly zero, has been suggested and proven effective for the modeling of high dimensional time series data. This paper studies coupling measures to select non-zero coefficients in sVAR. The basic idea based on the simulation study reveals that removing the effect of other variables greatly improves the performance of coupling measures. sVAR model coefficients are asymmetric; therefore, asymmetric coupling measures such as Granger causality improve computational costs. We propose two asymmetric coupling measures, filtered-cross-correlation and filtered-Granger-causality, based on the filtered residuals series. Our proposed coupling measures are proven adequate for heavy-tailed and high order sVAR models in the simulation study.

• The Korean Journal of Financial Studies
• /
• v.9 no.1
• /
• pp.95-118
• /
• 2003

한 시계열의 자기상관계수의 절대값을 시차를 무한대로 접근시켜 가면서 각 시차에 대하여 구하고 이 절대값을 모두 더한 값이 무한일 때 이 시계열은 장기기억을 가진다. 이로 인하여 장기기억 모수를 추정하는데에는 자기상관을 기본으로 한다. 표본의 자기상관과 이론적 자기상관 사이의 거리를 최소하여 추정통계량을 유도하고 있는 것이 일반적이다. 이 경우에는 정상적 과정에 한하여 적용이 가능하다. 시계열은 어느 시계열이던지 간에 이 시계열에 적합한 모형이 존재할 것이고 이 모형을 시계열에 적용하면 잔차 시계열을 얻을 수 있다. 원래 시계열의 이론적 상관 대신 원래 시계열의 잔차 시계열의 자기상관과 표본의 자기상관 사이의 거리를 최소하여 추정통계량을 얻으면 통계량의 계산이 편하고 이 추정량은 정상적 시계열과 비정상적 시계열에 다같이 적용할 수 있다. 본 논문에서는 잔차의 자기상관을 이용하여 자기회귀 분수적분 이동평균 과정의 모수 추정량을 도출한다. 그리고 이 추정 통계량에 입각하여 주가의 형성과정을 살펴보고 장기기억이 옵션가격과 포트폴리오 구성에 미치는 영향을 밝힌다.

• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.36 no.4
• /
• pp.723-733
• /
• 2016

This study aims to analyze the effects of urban characteristics on the amount of damage caused by natural disasters. It is focused on the areas of a municipal level in Korea. Also, it takes into account the spatial autocorrelation of the damage caused by natural disasters. Moran's I statistics was estimated to examine the spatial autocorrelation in the damage from the study area. Subsequent to evaluating the suitability for spatial regression models and the OLS regression model, the spatial lag model was employed as an empirical analysis for the study. It showed that the increase in residential area leads to the decrease in the amount of natural disaster damage. On the other hand, the increase in green area and river basin is associated with the increase in the damage. As a result of empirical analysis, appropriate policy establishment and implementation about the damage-adding factors is needed in order to reduce the amount of damage in the future.

• Journal of the Korean Data and Information Science Society
• /
• v.27 no.5
• /
• pp.1133-1146
• /
• 2016

Counts or averages over arbitrary regions are often analyzed using conditionally autoregressive (CAR) models. The spatial neighborhoods within CAR model are generally formed using only the inter-distance or boundaries between the sub-regions. Kyung and Ghosh (2009) proposed a new class of models to accommodate spatial variations that may depend on directions, using different weights given to neighbors in different directions. The proposed model, directional conditionally autoregressive (DCAR) model, generalized the usual CAR model by accounting for spatial anisotropy. Bayesian inference method is discussed based on efficient Markov chain Monte Carlo (MCMC) sampling of the posterior distributions of the parameters. The method is illustrated using a data set of median property prices across Greater Glasgow, Scotland, in 2008.

• The Korean Journal of Applied Statistics
• /
• v.29 no.5
• /
• pp.835-847
• /
• 2016

To analyze lattice or areal data, a conditionally autoregressive (CAR) model has been widely used in the eld of spatial analysis. The spatial neighborhoods within CAR model are generally formed using only inter-distance or boundaries between regions. Kyung and Ghosh (2010) proposed a new class of models to accommodate spatial variations that may depend on directions. The proposed model, a directional conditionally autoregressive (DCAR) model, generalized the usual CAR model by accounting for spatial anisotropy. Properties of maximum likelihood estimators of a Gaussian DCAR are discussed. The method is illustrated using a data set of median property prices across Greater Glasgow, Scotland, in 2008.

• The Korean Journal of Applied Statistics
• /
• v.19 no.2
• /
• pp.305-317
• /
• 2006

Outliers adversely affect model identification, parameter estimation, and forecast in time series data. In particular, when outliers consist of a patch of additive outliers, the current outlier detection procedures suffer from the masking and swamping effects which make them inefficient. In this paper, we propose new outlier detection procedure based on high breakdown estimators, called as the dual robust filtering. Empirical and simulation studies in the autoregressive model with orders p show that the proposed procedure is effective.

• The Korean Journal of Applied Statistics
• /
• v.12 no.1
• /
• pp.109-124
• /
• 1999

일반적으로 오차항이 자기상관되어 있는 선형회귀 모형에서는 회귀계수에 대한 보통최소제곱추정량이 효율적이지 못 하다고 알려져 있다. 그러나 이러한 일반화선형회귀모형에서 독립변수의 형태에 따라서는 OLSE의 사용 가능성을 제시하는 모형이 있다. 본 연구에서는 오차항이 일차 이동평균 과정을 따르는 선형회귀모형에서 여러 추정량들 (GLSE, APX, MAPX)에 대한 OLSE의 상대효율함수를 유도하고 비교 분석하고자 한다. 특히 소표본에서 정확한 상대효율값을 구하여 OLSE의 효율성이 크게 떨어지지 않거나 효율성이 나은 회귀모형들을 제시한다.

• The Korean Journal of Applied Statistics
• /
• v.29 no.1
• /
• pp.157-169
• /
• 2016

We compare four methods to estimate a regression coefficient under linear regression models with serially correlated errors. We assume that regression errors are generated with nonlinear autoregressive models. The four methods are: ordinary least square estimator, general least square estimator, parametric regression error correction method, and nonparametric regression error correction method. We also discuss some properties of nonlinear autoregressive models by presenting numerical studies with typical examples. Our numerical study suggests that no method dominates; however, the nonparametric regression error correction method works quite well.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.178-178
• /
• 2021

최근 들어 기후변화로 인한 극심한 가뭄 피해가 한반도에 발생하고 있다. 가뭄 상황에 대비하여 댐을 안정적으로 운영하기 위해서는 갈수빈도 유입량에 대한 분석이 필수적이다. 갈수빈도해석의 경우, 홍수빈도해석과 유사하게 확률밀도함수의 극값에 대한 확률값을 산정하며, 확률 분포형의 역함수에 비초과확률을 대입하여 산정한다. 그러나 홍수와 달리 가뭄은 지속기간이 긴 특성 탓에 자기상관을 고려해야하며, 댐 및 저수지 등 대규모 시설물의 경우 일반적인 하천과 달리 저류효과로 인해 누적 유량에 대한 고려가 필요하다. 이에 K-water는 자체 제작한 누가차분법 및 Disaggregation 두 가지 방법을 채택하여 실무에서 사용해왔다. 그러나 누가차분법을 사용할 경우, 빈도유입량이 지나치게 크게 산정되는 문제가 있으며, Disaggregation 방법을 사용하는 경우, 특정 빈도 이상의 극한가뭄에서 유입량의 차이가 유의미하지 않아 산정된 빈도유입량과 최근 발생한 극심한 가뭄의 실측유입량간 큰 차이가 발생하고 있다. 따라서 본 연구에서는 자기상관을 고려한 선형회귀모형에 근거하여 빈도유입량을 배분하는 방법을 제안한다. 또한, 앞서 서술한 네 가지 빈도유입량 방법(월빈도분석, 누가차분법, K-water Disaggregation, 자기상관 선형회귀모형)에 대한 수식적 비교를 수행하며, 국내 댐 유역에 적용 및 평가를 통해 자료 특성에 따른 적절한 빈도유입량 산정방식에 대한 기준을 제안한다. 본 연구를 통해 가뭄특성을 고려한 합리적인 댐 유입량을 산정함으로써 보다 유연한 수자원시설물의 가뭄대응이 이루어질 것으로 기대된다.