毕业论文_外文译_模版.docVIP

外文翻译内容 时间序列计数数据模型：一个实证申请交通意外 摘要 计数资料主要划分为横断面，时间序列，和小组。在过去十年中， 伯松分布和负二项分布（注）模式已广泛用于分析横断面、时间系列计数数据、随机效应和固定效应泊松和注模式被用来分析小组计数数据。然而，最近的文献表明，尽管有关这些模型的分配假设适合横断面计数的数据，但它们往往发现在纯时间序列计数数据没有能力考虑到序列相关性的影响。实值时间序列模型，诸如框和詹金斯介绍的自动回归移动平均（ARIMA）模型，在过去几十年已用于许多应用程序。然而，当模拟非负整数值的数据，如在交通事故随着时间的推移，框和詹金斯模式可能不适合了。这主要是由于在ARIMA模型中正常的的错误假设。在过去的几年里，一类新的被称为整数值自动回归（ INAR ）泊松模型的时间序列模型，已经由许多作者研究了。这一级别的模型尤其适用于时间序列分析计算模型的数据，因为这些模型能反映伯松回归的性能，并能够处理序列相关性，因此提供了一种替代的实值时间序列模型。 本文的首要目的是介绍大不列颠的这类分析交通事故的时间序列的INAR模型。不同类型的时间序列数据被认为是：综合时间序列数据都在空间和调查的时间区域内是比较大的（例如，大不列颠和年的关系），分散的时间序列数据在空间和时间区域内相对较小（例如，拥挤收费区与月的关系）。INAR模式的性能与同类别的框和詹金斯实值模型相比较。其结果