در این مقاله روشی برای استفاده از خروجیهای کالمن فیلتر برای شناسایی تغییرات تأثیر گذار سری زمانی ارائه شده است. از آنجا که الگوریتم کالمن فیلتر برای تحلیل مدلهای فضای حالت به کار میرود که مدلهای خطی ARMA را پوشش میدهد، استفاده از این روش میتواند برای شناسایی تغییرات از جمله مقادیر پرت به کار رود. در این مقاله روش پیشنهاد شده برای شناسایی پنج تغییر: نقطه پرت جمع پذیر، تغییر سطح، تغییرات فصلی، تغییر دوره و شیب ناگهانی سری زمانی استفاده شده است. توانایی روش پیشنهادی در یافتن نقاط تأثیر گذار با استفاده شبیهسازی نشان داده شد. به عنوان یک مثال واقعی دادههای ازدواج در کشور انگلیس مورد بررسی قرار گرفت.
Zabihi Moghadam R, Chinipardaz R, Parham G. Detection of Shocks in Structural Time Series Model Using State Space Forms. JSS 2018; 12 (1) :143-163 URL: http://jss.irstat.ir/article-1-303-fa.html
ذبیحی مقدم رضا، چینیپرداز رحیم، پرهام غلامعلی. شناسایی انواع تغییرات تأثیر گذار بر رفتار مدلهای سری زمانی ساختاری با معادلات فضای حالت. مجله علوم آماری. 1397; 12 (1) :143-163