http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
함종욱,김영 중앙대학교 통계연구소 1996 統計論文集 Vol.- No.3
단변량시계열분석은 자신의 현재와 과거의 시계열데이터만을 가지고 모형을 구축한다.그러나 다변량시계열분석은 관심의 대상이 되는 출력시계열과 이와 관련이 있는 입력시계열을 하나의 확률시스템에 넣어서 분석한다. 다변량시계열분석방법에는 전이함수모형과 상태공간모형이 있다. 전이함수모형은 관심의 대상이 되는 출력시계열과 인과관계를 갖고 있는 입력시계열을 이용해서 출력시계열을 예측하는 방법이고 상태공간모형은 입력시계열과 출력시계열을 하나의 벡터로 만들어서 미래를 예측분석하는 방법이다. 본 논문에서는 전이함수모형에서 일변량 입력 전이함수모형 형태를 확장한 이변량입력 전이함수모형의 구축과 예측을 알아보고, 작인성이 존재하는 다변향 시계열자료에 대하여 일변량 입력 전이함수모형과 이변량 입력 전이함수모형, 그리고 상태공간모형을 비교하고자 한다. In the method of multivariate time series analysis, there are two methods; transfer function model and state space model. The tranfer function model is a method to estimate output time series that uses input time series which has causality. The state space model makes the input/output time series into a vector, and estimates the furure for each variable formation. In this paper, we propose the modelings and estimates of the two-input transfer function expanded from one-input transfer function and then we compare the one-input trasfer function model with the two-input transfer function model and the state space model about multivariate time series that causality exists between input time series and output time series. For the estimation of the future, the two-input transfer function model is more efficient, no less efficient than the state space model, than the one-input transfer function model. The two-input transfer function model can be applied to multivariate time series analysis, when causality exists between two-input time series and one-output time series.