Résumé
Lors de ce stage, j’ai travaillé sur une nouvelle méthode statistique permettant d’effectuer une régression robuste pour des séries temporelles présentant de l’hétéroscédasticité. Nous avons développé et testé cette méthode sur un jeu de données contenant des mesures de concentration en chlorophylle dans un petit affluent de la Tamise (Royaume-Uni).
Productions
- Mon mémoire de Master 2 :
- Développement dans le package
rlmDataDriven:rlmDD_het.R: cette fonction réalise une régression robuste prenant en compte les corrélations temporelles et l’hétérogénéité.
whm.R: cette fonction est l’implémentation en R de l’estimation M pondérée.
- Un article publié dans une revue à comité de lecture :
- Callens, A., Wang, Y., Fu, L. et al. (2020). Robust Estimation Procedure for Autoregressive Models with Heterogeneity. Environmental Modeling & Assessment, (10.1007/s10666-020-09730-w)