<?xml version="1.0" encoding="utf-8"?>
<journal>
<title>Journal of Statistical Sciences</title>
<title_fa>مجله علوم آماری</title_fa>
<short_title>JSS</short_title>
<subject>Basic Sciences</subject>
<web_url>http://jss.irstat.ir</web_url>
<journal_hbi_system_id>1</journal_hbi_system_id>
<journal_hbi_system_user>admin</journal_hbi_system_user>
<journal_id_issn>1735-8183</journal_id_issn>
<journal_id_issn_online>2783-2929</journal_id_issn_online>
<journal_id_pii></journal_id_pii>
<journal_id_doi>10.61882/jss</journal_id_doi>
<journal_id_iranmedex></journal_id_iranmedex>
<journal_id_magiran></journal_id_magiran>
<journal_id_sid></journal_id_sid>
<journal_id_nlai></journal_id_nlai>
<journal_id_science>شماره 812/2910/3 مورخ 12/7/1384</journal_id_science>
<language>fa</language>
<pubdate>
	<type>jalali</type>
	<year>1397</year>
	<month>6</month>
	<day>1</day>
</pubdate>
<pubdate>
	<type>gregorian</type>
	<year>2018</year>
	<month>9</month>
	<day>1</day>
</pubdate>
<volume>12</volume>
<number>1</number>
<publish_type>online</publish_type>
<publish_edition>1</publish_edition>
<article_type>fulltext</article_type>
<articleset>
	<article>


	<language>fa</language>
	<article_id_doi></article_id_doi>
	<title_fa>شناسایی انواع تغییرات تأثیر گذار بر رفتار مدل‌های سری‌ زمانی ساختاری با معادلات فضای حالت</title_fa>
	<title>Detection of Shocks in Structural Time Series Model Using State Space Forms</title>
	<subject_fa>سریهای زمانی</subject_fa>
	<subject>Time Series</subject>
	<content_type_fa>پژوهشی بنیادی</content_type_fa>
	<content_type>Research</content_type>
	<abstract_fa>&lt;p style=&quot;text-align: justify;&quot;&gt;در این مقاله روشی برای استفاده از خروجی&#8204;های کالمن فیلتر برای شناسایی تغییرات تأثیر گذار سری زمانی ارائه شده است. از آن&#8204;جا که الگوریتم کالمن فیلتر برای تحلیل مدل&#8204;های فضای حالت به کار می&#8204;رود که مدل&#8204;های خطی ARMA را پوشش می&#8204;دهد، استفاده از این روش می&#8204;تواند 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 شبیه&#8204;سازی نشان داده شد. به عنوان یک مثال واقعی داده&#8204;های ازدواج در کشور انگلیس مورد بررسی قرار گرفت.&lt;/p&gt;</abstract_fa>
	<abstract>&lt;p style=&quot;text-align: justify;&quot;&gt;In this paper a method has been given to detect the shocks in structural time series using Kalman filter algorithm. As the Kalman filter algorithm is used for state space forms which include ARMA models as an especial case, the suggested method can be used for more general time series than linear models. Five shocks; additive outlier, level change, seasonal change, periodic change and slope change have been reviewed with this method. The performance of suggested method has been shown via a simulation study. The marriage data set from England has been considered as a real data set to study.&lt;/p&gt;</abstract>
	<keyword_fa>هموارکننده فیلتر کالمن, نقاط پرت, مدل‌های ساختاری, مدل فضای حالت, شکست ساختاری</keyword_fa>
	<keyword>Kalman Filter Smoother, Outliers, Structural Models, State Space Model, Structural Breaks.</keyword>
	<start_page>143</start_page>
	<end_page>163</end_page>
	<web_url>http://jss.irstat.ir/browse.php?a_code=A-10-541-1&amp;slc_lang=fa&amp;sid=1</web_url>


<author_list>
	<author>
	<first_name>Reza</first_name>
	<middle_name></middle_name>
	<last_name>Zabihi Moghadam</last_name>
	<suffix></suffix>
	<first_name_fa>رضا</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>ذبیحی مقدم</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>rezazm63@gmail.com</email>
	<code>10031947532846005216</code>
	<orcid>10031947532846005216</orcid>
	<coreauthor>Yes
</coreauthor>
	<affiliation>Department of Statistics, Shahid Chamran Universi, Ahvaz, Iran.</affiliation>
	<affiliation_fa>گروه آمار، دانشگاه شهید چمران اهواز</affiliation_fa>
	 </author>


	<author>
	<first_name>Rahim</first_name>
	<middle_name></middle_name>
	<last_name>Chinipardaz</last_name>
	<suffix></suffix>
	<first_name_fa>رحیم</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>چینی‌پرداز</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>rchinipardaz@yahoo.com</email>
	<code>10031947532846005217</code>
	<orcid>10031947532846005217</orcid>
	<coreauthor>No</coreauthor>
	<affiliation>Department of Statistics, Shahid Chamran Universi, Ahvaz, Iran.</affiliation>
	<affiliation_fa>گروه آمار، دانشگاه شهید چمران اهواز</affiliation_fa>
	 </author>


	<author>
	<first_name>Gholamali</first_name>
	<middle_name></middle_name>
	<last_name>Parham</last_name>
	<suffix></suffix>
	<first_name_fa>غلامعلی</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>پرهام</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>parham@scu.ac.ir</email>
	<code>10031947532846005218</code>
	<orcid>10031947532846005218</orcid>
	<coreauthor>No</coreauthor>
	<affiliation>Department of Statistics, Shahid Chamran Universi, Ahvaz, Iran.</affiliation>
	<affiliation_fa>گروه آمار، دانشگاه شهید چمران اهواز</affiliation_fa>
	 </author>


</author_list>


	</article>
</articleset>
</journal>
