Over het archief
Het OWA, het open archief van het Waterbouwkundig Laboratorium heeft tot doel alle vrij toegankelijke onderzoeksresultaten van dit instituut in digitale vorm aan te bieden. Op die manier wil het de zichtbaarheid, verspreiding en gebruik van deze onderzoeksresultaten, alsook de wetenschappelijke communicatie maximaal bevorderen.
Dit archief wordt uitgebouwd en beheerd volgens de principes van de Open Access Movement, en het daaruit ontstane Open Archives Initiative.
Basisinformatie over ‘Open Access to scholarly information'.
| one publication added to basket [287566] |
Estimating common trends in multivariate time series using dynamic factor analysis
Zuur, A.F.; Fryer, R.J.; Jolliffe, I.T.; Dekker, R.; Beukema, J.J. (2003). Estimating common trends in multivariate time series using dynamic factor analysis. Environmetrics 14(7): 665-685. https://dx.doi.org/10.1002/env.611
In: Environmetrics. Wiley: Hoboken. ISSN 1180-4009; e-ISSN 1099-095X, meer
|  |
| Author keywords |
dynamic factor analysis; EM algorithm; multivariate time series analysis; common trends |
| Auteurs | | Top |
- Zuur, A.F.
- Fryer, R.J.
- Jolliffe, I.T.
|
- Dekker, R.
- Beukema, J.J., meer
|
|
| Abstract |
This article discusses dynamic factor analysis, a technique for estimating common trends in multivariate time series. Unlike more common time series techniques such as spectral analysis and ARIMA models, dynamic factor analysis can analyse short, non-stationary time series containing missing values. Typically, the parameters in dynamic factor analysis are estimated by direct optimization, which means that only small data sets can be analysed if computing time is not to become prohibitively long and the chances of obtaining sub-optimal estimates are to be avoided. This article shows how the parameters of dynamic factor analysis can be estimated using the EM algorithm, allowing larger data sets to be analysed. The technique is illustrated on a marine environmental data set |
IMIS is ontwikkeld en wordt gehost door het VLIZ.
