fa آزمون استقلال سری زمانی مبتنی بر معیار واگرایی توان سریهای زمانی Time Series پژوهشی بنیادی Research <p dir="rtl" style="margin: 0px; text-align: justify;">&nbsp;در تحلیل سری‌های زمانی، بهتر است قبل از هرگونه تحلیلی، وابستگی داده‌ها مورد بررسی قرار گیرد. زیرا اگر داده‌ها از یکدیگر مستقل باشند، برازش مدل‌های متداول سری زمانی که مبتنی بر اصولی چون مانایی و وابستگی داده‌های زمانی است، اعتباری نخواهد داشت. ملاک واگرایی توان در سال‌های اخیر، اغلب برای آزمون نیکویی برازش مورد استفاده قرار گرفته است. در این مقاله با تشکیل بردارهای مجاور &lrm;m&lrm;تایی و استفاده از نمادسازی جایگشت، آزمونی مبتنی بر ملاک واگرایی توان برای بررسی استقلال سری‌های زمانی معرفی می‌شود که به پارامتر کنترل کننده نوع آزمون بستگی دارند. پس از بدست آوردن توزیع حدی آماره آزمون، با استفاده از یک مطالعه شبیه‌سازی، خطای نوع اول و توان آزمون برای برخی از حالت‌های خاص پارامتر کنترل کننده نوع آزمون بدست می‌آید. به وسیله نتایج شبیه‌سازی نشان داده می‌شود که برای حجم نمونه نسبتا بزرگ به ازای تمامی مقادیر پارامتر کنترل کننده نوع آزمون خطای نوع اول آزمون به سطح اسمی آن نزدیک می‌شود و آزمون‌های خی-دو اصلاح شده، نسبت درستنمایی اصلاح شده و فریمن-توکی بیشترین توان را دارند.</p> <p style="margin: 0px; text-align: justify;">&lrm;Before analyzing a time series data&lrm;, &lrm;it is better to verify the dependency of the data&lrm;, &lrm;because if the data be independent&lrm;, &lrm;the fitting of the time series model is not efficient&lrm;. &lrm;In recent years&lrm;, &lrm;the power divergence statistics used for the goodness of fit test&lrm;. &lrm;In this paper&lrm;, &lrm;we introduce an independence test of time series via power divergence which depends on the parameter &lambda;&lrm;. &lrm;We obtain asymptotic distribution of the test statistic&lrm;. &lrm;Also using a simulation study&lrm;, &lrm;we estimate the error type I and test power for some&nbsp;&lambda; and n&lrm;. &lrm;Our simulation study shows that for extremely large sample sizes&lrm;, &lrm;the estimated error type I converges to the nominal &alpha;&lrm;, &lrm;for any &lambda;&lrm;. &lrm;Furthermore&lrm;, &lrm;the modified chi-square&lrm;, &lrm;modified likelihood ratio&lrm;, &lrm;and Freeman-Tukey test have the most power&lrm;.</p> آزمون استقلال, سری زمانی, واگرایی توان, متغیرهای تصادفی m‎-وابسته. ‎Independence Test‎, ‎Time Series‎, ‎Power-divergence‎, ‎m-dependence Random Variable. 39 56 http://jss.irstat.ir/browse.php?a_code=A-10-444-4&slc_lang=fa&sid=1 Emad Ashtari Nezhad عماد اشتری نژاد emad_an@birjand.ac.ir 10031947532846005435 10031947532846005435 No Department of Statistics‎, ‎University of Birjand‎, ‎Birjand‎, ‎Iran. گروه آمار، دانشگاه بیرجند Yadollah Waghei یدالله واقعی ywaghei@birjand.ac.ir 10031947532846005436 10031947532846005436 Yes Department of Statistics‎, ‎University of Birjand‎, ‎Birjand‎, ‎Iran. گروه آمار، دانشگاه بیرجند Gholam Reza Mohtashami Borzadaran غلامرضا محتشمی برزادران grmohtashami@um.ac.ir 10031947532846005437 10031947532846005437 No Department of Statistics‎, ‎Faculty of Mathematical Sciences‎, ‎Ferdowsi University of Mashhad‎, ‎Mashhad‎, ‎Iran. گروه آمار، دانشگاه فردوسی مشهد Hamid Reza Nili Sani حمیدرضا نیلی ثانی hnilisani@birjand.ac.ir 10031947532846005438 10031947532846005438 No Department of Statistics‎, ‎University of Birjand‎, ‎Birjand‎, ‎Iran. گروه آمار، دانشگاه بیرجند Hadi Alizadeh Noughabi هادی علیزاده نوقابی alizadehhadi@birjand.ac.i 10031947532846005439 10031947532846005439 No Department of Statistics‎, ‎University of Birjand‎, ‎Birjand‎, ‎Iran. گروه آمار، دانشگاه بیرجند