Tijdreeksmodellen voor herhaaldelijk uitgevoerde steekproefonderzoeken

In dit proefschrift worden seemingly unrelated time series equation models in state space vorm ontwikkeld om tijdreeksen waargenomen met herhaaldelijk uitgevoerde kanssteekproeven te modelleren. De modellen houden rekening met plotselinge veranderingen in de input reeksen en de variantie daarvan ten gevolge van veranderingen in het survey proces.

Het standaard Kalman filter dat voor het analyseren van dit type tijdreeksmodellen gebruikt wordt, houd geen rekening met de extra onzekerheid die ontstaat doordat de onbekende hyperparameters van het state space model worden geschat met maximum likelihood. Er worden bootstrap methoden toegepast om te evalueren wat de toename in de variantie van de Kalman filter schattingen is indien met rekening wordt gehouden met deze extra onzekerheid. Tenslotte wordt een vergelijking gemaakt met een klasse van Bayesiaanse multilevel tijdreeksmodellen.

Balabay, O. (2016). Time series modelling in repeatedly conducted sample surveys. Dissertation, Maastricht University, doi:10.26481/dis.20160511ob.