Moving-Average Representation of Autoregressive Approximations Vi studerar egenskaperna hos en oändlig MA-representation av en autoregressiv approximation för en stationär, verkligt värderad process. Därmed ger vi en utvidgning av Wieners teorem i den deterministiska approximationsuppsättningen. När vi hanterar data kan vi använda det här nya nyckelresultatet för att få insikt i strukturen av oändliga MA-representationer av utrustade autoregressiva modeller där ordern ökar med provstorleken. I synnerhet ger vi en enhetlig bunden för att uppskatta de rörliga genomsnittliga koefficienterna via autoregressiv approximation som är likformig över alla heltal. 423.pdfMoving-genomsnittlig representation av autoregressiva approximationer Peter Bhlmann 1 Institutionen för statistik, University of California, Evans Hall, Berkeley, CA 94720, USA Tillgänglig online 5 april 2000. Vi studerar egenskaperna hos en MA () - representation av en autoregressiv approximation För en stationär, verkligt värderad process. Därmed ger vi en utvidgning av Wieners teorem i den deterministiska approximationsuppsättningen. När vi hanterar data kan vi använda det här nya nyckelresultatet för att få inblick i strukturen av MA () - representationer av utrustade autoregressiva modeller där ordern ökar med provstorleken. I synnerhet ger vi en enhetlig bunden för att uppskatta de rörliga genomsnittliga koefficienterna via autoregressiv approximation som är likformig över alla heltal. AR () Kausal Komplexanalys Impulsresponsfunktion Inverterbar Linjär process MA () Blandning Tidsserie Överföringsfunktion Stationär process Referenser An et al. 1982 H.-Z. En. Z.-G Chen. E. J. Hannan Autocorrelation, autoregression och autoregressiv approximation Ann. Statist. Volym 10. 1982. s. 926936 Corr: H.-Z. En. Z.-G Chen. E. J. Hannan Autocorrelation, autoregression och autoregressiv approximation Ann. Statist. Volym 11. 1982. s. 1018 Berk, 1974 K. N. Berk Konsistenta autoregressiva spektral uppskattningar Ann. Statist. Volym 2. 1974. s. 489502 Bhansali, 1989 R. J. Bhansali Uppskattning av den rörliga genomsnittsrepresentationen av en stationär process genom autoregressiv modellmontering av J. Time Series Anal. Volym 10. 1989. s. 215232 Bhansali, 1992 R. J. Bhansali Autoregressiv uppskattning av förutsägelsen betyder kvadratfel och en R2-åtgärd: en ansökan Ny vägledning i tidsserieanalys. D. Brillinger. P. Caines. J. Geweke. E. Parzen. M. Rosenblatt. FRÖKEN. Taqqu. 1992. Springer, New York. s. 924 Del I Bickel och Bhlmann, 1995 P. J. Bickel. P. Bhlmann Blandande egenskaper och funktionella centrala gränsvärden för en siktstöd i tidsserier, Tech. Rep 440. 1995. Dept. of Statistics, UC Berkeley, Berkeley, CA Brillinger, 1975 D. R. Brillinger Time Series Data Analysis and Theory. 1975. Holt, Rinehart och Winston, New York Brockwell och Davis, 1987 P. J. Brockwell. R. A. Davis Time Series: Teori och metoder 1987. Springer, New York Bhlmann, 1995 P. Bhlmann Siktstöd för tidsserier, Tech. Rep 431. 1995. Statistiska avdelningen, UC Berkeley, Berkeley, CA Deistler och Hannan, 1988 M. Deistler. E. J. Hannan The Statistical Theory of Linear Systems 1988. Wiley, New York Doukhan, 1994 P. Doukhan Mixing Properties and Examples. Föreläsningsanteckningar i statistik. Volym Vol. 85. 1994. Springer, New York Durbin, 1960 J. Durbin Monteringen av tidsseriemodeller Rev. Internat. Statist. Inst. Volym 28. 1960. s. 233244 Efron, 1979 B. Efron Bootstrap metoder: en annan titt på jackknife Ann. Statist. Volym 7. 1979. s. 126 Gelfand et al. 1964 I. Gelfand. D. Raikov. G. Shilov Commutative Normed Rings 1964. Chelsea, New York Hannan, 1987 E. J. Hannan Rationell överföringsfunktion approximation Stat. Sci. Volym 5. 1987. s. 105138 Hannan och Kavalieris, 1986 E. J. Hannan. L. Kavalieris Regression, Autoregression Models J. Tidsserie Anal. Volym 7. 1986. s. 2749 Kreiss, 1988 J.-P. Kreiss Asymptotisk statistisk inferens för en klass av stokastiska processer 1988. Habilitationschrift, Universit Hamburg, Hamburg, Tyskland Kromer, 1970 R. E Kromer Asymptotiska egenskaper hos den autoregressiva spektralestimatorn, Ph. D. avhandling. 1970. Dept. Statistics, Stanford University, Stanford, CA Lewis och Reinsel, 1985 R. A. Lewis. G. C. Reinsel Prediction of multivariate time series av autoregressiv modell montering J. Multivariate Anal. Volym 16. 1985. s. 393411 Ljung, 1978 L. Ljung Konvergensanalys av parametriska identifieringsmetoder IEEE Trans. Automat. Styr AC-23. 1978. s. 770783 Ltkepohl, 1989 H. Ltkepohl En notation om den asymptotiska fördelningen av impulsresponsfunktioner hos beräknade VAR-modeller med ortogonala rester J. Econometrics. Volym 42. 1989. s. 371376 Ltkepohl, 1991 H. Ltkepohl Introduktion till Multipel Tidsserieanalys 1991. Springer, Heidelberg Parzen, 1982 E. Parzen ARMA-modeller för tidsserieanalys och prognoser J. Forecast. Volym 1. 1982. s. 6782 Paparodit och Streitberg, 1992 E. Paparodit. B. Streitberg Beställ identifikationsstatistik i stationära autoregressiva rörliga genomsnittsmodeller: vektorautokorrelationer och bootstrap J. Time Series Anal. Volym 13. 1992. s. 415434 Ptscher, 1987 B. M. Ptscher Konvergensresultat för maximala sannolikhetstypestimatorer i multivariata ARMA-modeller J. Multivariate Anal. Volym 21. 1987. s. 2952 Saikonen, 1986 P. Saikonen Asymptotiska egenskaper hos vissa preliminära estimatorer för autregressiva rörliga genomsnitts tidsseriemodeller J. Tidsserie Anal. Volym 7. 1986. s. 133155 Silvia och Robinson, 1979 M. T. Silvia. E. A. Robinson Deconvolution av Geophysical Time Series i Exploration for Oil and Natural Gas 1979. Elsevier, Amsterdam Wiener, 1993 N. Wiener Fourier Integral och Vissa av dess tillämpningar 1993. Cambridge Univ. Press, Cambridge Withers och Withers, 1981 C. S. Withers Central gränsvärden för beroende variabler I Z. Wahrsch. Verw. Gebiete. Volym 57. 1981. s. 509534 Corr: C. S. Withers Centralgränsteorem för beroende variabler I Z. Wahrsch. Verw. Gebiete. Volym 63. 1981. s. 555 Zygmund, 1959 A. Zygmund, Trigonometrisk Serie. Volym Vol. 1. 1959. Cambridge Univ. Press, Cambridge 1Supported av Swiss National Science Foundation. Copyright 1995 Publicerad av Elsevier B. V. Att citera artiklar () 2.1 Flytta genomsnittsmodeller (MA modeller) Tidsseriemodeller som kallas ARIMA-modeller kan innefatta autoregressiva termer och eller rörliga genomsnittsvillkor. I vecka 1 lärde vi oss en autoregressiv term i en tidsseriemodell för variabeln x t är ett fördröjt värde av x t. Till exempel är en lag 1-autoregressiv term x t-1 (multiplicerad med en koefficient). Denna lektion definierar glidande medelvärden. En glidande medelfrist i en tidsseriemodell är ett tidigare fel (multiplicerat med en koefficient). Låt (wt overset N (0, sigma2w)), vilket betyder att w t är identiskt oberoende fördelade, var och en med en normal fördelning med medelvärde 0 och samma varians. Den första ordningens rörliga genomsnittsmodell, betecknad med MA (1) är (xt mu wt theta1w) Den andra ordens rörliga genomsnittsmodellen, betecknad med MA (2) är (xt mu wt theta1w theta2w) , betecknad med MA (q) är (xt mu wt theta1w theta2w prickar thetaqw) Anm. Många läroböcker och programvara definierar modellen med negativa tecken före villkoren. Detta ändrar inte de allmänna teoretiska egenskaperna hos modellen, även om den ändrar de algebraiska tecknen på uppskattade koefficientvärden och (unsquared) termer i formler för ACF och variationer. Du måste kontrollera din programvara för att kontrollera om negativa eller positiva tecken har använts för att korrekt beräkna den beräknade modellen. R använder positiva tecken i sin underliggande modell, som vi gör här. Teoretiska egenskaper hos en tidsserie med en MA (1) modell Observera att det enda nonzero-värdet i teoretisk ACF är för lag 1. Alla andra autokorrelationer är 0. Således är ett prov ACF med en signifikant autokorrelation endast vid lag 1 en indikator på en möjlig MA (1) modell. För intresserade studenter är bevis på dessa egenskaper en bilaga till denna handout. Exempel 1 Antag att en MA (1) modell är x t10 w t, 7 w t-1. Var (överskridande N (0,1)). Således är koefficienten 1 0,7. Den teoretiska ACF ges av En plot av denna ACF följer. Den visade ploten är den teoretiska ACF för en MA (1) med 1 0,7. I praktiken ger ett prov vanligen vanligtvis ett så tydligt mönster. Med hjälp av R simulerade vi n 100 provvärden med hjälp av modellen x t 10 w t .7 w t-1 där vikt N (0,1). För denna simulering följer en tidsserieplot av provdata. Vi kan inte berätta mycket från denna plot. Provet ACF för den simulerade data följer. Vi ser en spik vid lag 1 följt av allmänt icke-signifikanta värden för lags över 1. Observera att provet ACF inte matchar det teoretiska mönstret för den underliggande MA (1), vilket är att alla autokorrelationer för lags över 1 kommer att vara 0 . Ett annat prov skulle ha en något annorlunda prov ACF som visas nedan, men skulle troligen ha samma breda funktioner. Terapeutiska egenskaper hos en tids serie med en MA (2) modell För MA (2) modellen är teoretiska egenskaper följande: Observera att de enda nonzero-värdena i teoretisk ACF är för lags 1 och 2. Autokorrelationer för högre lags är 0 . En ACF med signifikanta autokorrelationer vid lags 1 och 2, men icke-signifikanta autokorrelationer för högre lags indikerar en möjlig MA (2) modell. Iid N (0,1). Koefficienterna är 1 0,5 och 2 0,3. Eftersom det här är en MA (2), kommer den teoretiska ACF endast att ha nonzero-värden endast vid lags 1 och 2. Värdena för de två icke-oberoende autokorrelationerna är A-plot av den teoretiska ACF följer. Såsom nästan alltid är fallet kommer provdata inte att fungera så perfekt som teori. Vi simulerade n 150 provvärden för modellen x t 10 w t .5 w t-1 .3 w t-2. Var vet N (0,1). Tidsserierna av data följer. Som med tidsserien för MA (1) provdata kan du inte berätta mycket för det. Provet ACF för den simulerade data följer. Mönstret är typiskt för situationer där en MA (2) modell kan vara användbar. Det finns två statistiskt signifikanta spikar vid lags 1 och 2 följt av icke-signifikanta värden för andra lags. Observera att provet ACF på grund av provtagningsfel inte exakt matchade det teoretiska mönstret. ACF för General MA (q) Modeller En egenskap hos MA (q) modeller är generellt att det finns icke-oberoende autokorrelationer för de första q-lagsna och autokorrelationerna 0 för alla lags gt q. Icke-unikhet av samband mellan värden på 1 och (rho1) i MA (1) Modell. I MA (1) - modellen, för något värde av 1. Den ömsesidiga 1 1 ger samma värde. Använd exempelvis 0,5 för 1. Och använd sedan 1 (0,5) 2 för 1. Du får (rho1) 0,4 i båda fallen. För att tillfredsställa en teoretisk restriktion kallad invertibility. Vi begränsar MA (1) - modellerna till att ha värden med absolutvärdet mindre än 1. I exemplet just givet är 1 0,5 ett tillåtet parametervärde, medan 1 10,5 2 inte kommer att. Inverterbarhet av MA-modeller En MA-modell sägs vara omvändbar om den är algebraiskt ekvivalent med en konvergerande oändlig ordning AR-modell. Med konvergeringen menar vi att AR-koefficienterna minskar till 0 när vi flyttar tillbaka i tiden. Omvändbarhet är en begränsning programmerad i tidsserierprogramvara som används för att uppskatta koefficienterna för modeller med MA-termer. Det är inte något vi söker efter i dataanalysen. Ytterligare information om invertibilitetsbegränsningen för MA (1) - modeller ges i bilagan. Avancerad teorinotation. För en MA (q) modell med en specificerad ACF finns det endast en inverterbar modell. Det nödvändiga villkoret för invertibilitet är att koefficienterna har värden så att ekvationen 1- 1 y-. - q y q 0 har lösningar för y som faller utanför enhetens cirkel. R-kod för exemplen I exempel 1 ritade vi den teoretiska ACF av modellen x t10 wt. 7w t-1. och sedan simulerade n 150 värden från denna modell och plottade provtidsserierna och provet ACF för de simulerade data. R-kommandona användes för att plotta den teoretiska ACF: acfma1ARMAacf (mac (0.7), lag. max10) 10 satser av ACF för MA (1) med theta1 0,7 lags0: 10 skapar en variabel som heter lags som sträcker sig från 0 till 10. plot (lags, acfma1, xlimc (1,10), ylabr, typh, huvud ACF för MA (1) med theta1 0,7) abline (h0) adderar en horisontell axel till plottet Det första kommandot bestämmer ACF och lagrar det i ett objekt Namnet acfma1 (vårt val av namn). Plot-kommandot (3: e kommandot) tomter jämförs med ACF-värdena för lags 1 till 10. ylab-parametern markerar y-axeln och huvudparametern lägger en titel på plotten. För att se de numeriska värdena för ACF använder du bara kommandot acfma1. Simuleringen och tomterna gjordes med följande kommandon. xcarima. sim (n150, lista (mac (0.7))) Simulerar n 150 värden från MA (1) xxc10 lägger till 10 för att göra medelvärdet 10. Simulering standardvärden betyder 0. plot (x, typeb, mainSimulated MA (1) data) acf (x, xlimc (1,10), mainACF för simulerad provdata) I exempel 2 ritade vi teoretisk ACF av modellen xt 10 wt5 w t-1, 3 w t-2. och sedan simulerade n 150 värden från denna modell och plottade provtidsserierna och provet ACF för de simulerade data. De R-kommandon som användes var acfma2ARMAacf (mac (0,5,0,3), lag. max10) acfma2 lags0: 10 plot (lags, acfma2, xlimc (1,10), ylabr, typh, huvud ACF för MA (2) med theta1 0,5, theta20.3) abline (h0) xcarima. sim (n150, lista (mac (0,5, 0,3)) xxc10 plot (x, typeb, huvudsimulerad MA (2) serie) acf (x, xlimc (1,10) mainACF för simulerade MA (2) data) Bilaga: Bevis för egenskaper hos MA (1) För intresserade studenter, här är bevis för teoretiska egenskaper för MA (1) modellen. Varians: (text (xt) text (mu wt theta1 w) 0 text (wt) text (theta1w) sigma2w theta21sigma2w (1theta21) sigma2w) När h 1, föregående uttryck 1 w 2. För varje h 2, föregående uttryck 0 . Orsaken är att, per definition av vägtons oberoende. E (w k w j) 0 för någon k j. Vidare, eftersom w t har medelvärdet 0, E (wjwj) E (wj2) w2. För en tidsserie, Applicera detta resultat för att få ACF ges ovan. En inverterbar MA-modell är en som kan skrivas som en oändlig ordning AR-modell som konvergerar så att AR-koefficienterna konvergerar till 0 när vi rör sig oändligt tillbaka i tiden. Visa väl omvändbarhet för MA (1) modellen. Vi ersätter sedan förhållandet (2) för w t-1 i ekvation (1) (3) (zt wt theta1 (z-tetww) wt theta1z-tet2w) Vid tid t-2. Ekvation (2) blir vi då ersättningsförhållande (4) för w t-2 i ekvation (3) (zt wt theta1z-teteta21w wt theta1z-teteta21 (z-tetww) wt theta1z-theta12z theta31w) Om vi skulle fortsätta Oändligt), skulle vi få oändlig ordning AR-modellen (zt wt theta1z-theta21z theta31z-tetaka41z punkter) Observera dock att om koefficienterna som multiplicerar lagren av z ökar (oändligt) i storlek när vi flyttar tillbaka i tid. För att förhindra detta behöver vi 1 lt1. Detta är förutsättningen för en inverterbar MA (1) modell. Oändlig ordning MA-modell I vecka 3 ser du att en AR (1) - modell kan konverteras till en oändlig ordning MA-modell: (xt - mu wt phi1w phi21w prickar phik1 w dots sum phij1w) Denna summering av tidigare vita ljudvillkor är känd Som kausalrepresentation av en AR (1). Med andra ord är x t en speciell typ av MA med ett oändligt antal termer som går tillbaka i tiden. Detta kallas en oändlig ordning MA eller MA (). En ändlig ordning MA är en oändlig ordning AR och någon ändlös ordning AR är en oändlig ordning MA. Minns i vecka 1 noterade vi att ett krav på en stationär AR (1) är att 1 lt1. Låter beräkna Var (x t) med hjälp av kausalrepresentationen. Det här sista steget använder ett grundläggande faktum om geometriska serier som kräver (phi1lt1) annars skiljer serien. Navigationby Peter Bhlmann. 1999. Vi jämför och granskar block-, sikt - och lokala bootstraps för tidsserier och därmed belyser teoretiska fakta samt prestanda på nite-sample data. Vår (re-) syn är selektiv med avsikt att få en ny och rättvis bild om några speciella aspekter av bootstrapping-tidsserier. Ge. Vi jämför och granskar block-, sikt - och lokala bootstraps för tidsserier och därmed belyser teoretiska fakta samt prestanda på nite-sample data. Vår (re-) syn är selektiv med avsikt att få en ny och rättvis bild om några speciella aspekter av bootstrapping-tidsserier. Allmänheten av block bootstrap är kontrasterad av sikt bootstraps. Vi diskuterar implementativa dis-fördelar och hävdar att två typer av sieves överträffar blockmetoden, var och en av dem i sin egen viktiga nisch, nämligen linjära respektive kategoriska processer. Lokala bootstraps, konstruerade för icke-parametriska utjämningsproblem, är lätta att använda och implementera men uppvisar i vissa fall låg prestanda. Nyckelord och fraser. Autoregression, block bootstrap, kategoriska tidsserier, kontextalgoritm, dubbel bootstrap, linjär process, lokal bootstrap, Markov-kedja, sikt bootstrap, stationär process. 1 Introduktion Bootstrapping kan ses som att simulera en statistisk eller statistisk pro. Av Slvia Gonalves, Lutz Kilian. 2003 Sammanfattning inte hittad av Atsushi Inoue, Lutz Kilian, Ken West, Mark Watson, Jonathan Wright - Parametrar och innovationsvariationer i VAR () Modeller, Internationell ekonomisk granskning. Det är vanligt att genomföra bootstrap-inferensen i vektor-autoregressiva (VAR) - modeller baserat på antagandet att den underliggande datagenererande processen är av slutgiltig ordning. Detta antagande är otrogligt i praktiken. Vi fastställer den asymptotiska giltigheten för restbaserad bootstrap-metoden för sm. Det är vanligt att genomföra bootstrap-inferensen i vektor-autoregressiva (VAR) - modeller baserat på antagandet att den underliggande datagenererande processen är av slutgiltig ordning. Detta antagande är otrogligt i praktiken. Vi fastställer den asymptotiska giltigheten för den restbaserade bootstrap-metoden för smidiga funktioner av VAR-lutningsparametrar och innovationsvariationer under det alternativa antagandet att en sekvens av ändliga lag-VAR-modeller är anpassad till data som alstras av en VAR-process med eventuellt oändlig ordning. Denna klass av statistik innefattar åtgärder av förutsägbarhet och ortogonaliserade impulsresponser och variansnedbrytningar. Vårt tillvägagångssätt ger ett alternativ till användningen av den asymptotiska normala approximationen och kan användas även i avsaknad av slutna formlösningar för estimatets varians. Vi illustrerar den praktiska relevansen av våra resultat för tillämpat arbete, inklusive utvärdering av makroekonomiska modeller. 1. introduktion Det är vanligt vid tillämpad vektorautoregressiv (VAR) - analys att förutsäga att fördröjningen av VAR-datagenererande processen (DGP) är ändlig. Oförlusten hos ändamålsenliga VAR-modeller har påpekats bland annat av Braun och Mittnik (1993), men antagandet om slutgiltigt order fortsätter att spela en central roll i ekonometrisk inferens i praktiken. Det faktum att DGP anses vara representerad av en VAR (1) - process har viktiga konsekvenser för VAR-inferens. Exempelvis visar Lutkepohl och Poskitt (1991) att även om VAR-impulsresponsberäkatorn behåller sin asymptotiska normala fördelning i oändligt fördröjningsorderfallet, är dess asymptotiska varians en icke-nedbrytande funktion av prognoshorisonten. Till skillnad från i slutändan ordning av Peter J. Bickel, Peter Bhlmann. 1995. Vi studerar en bootstrap-metod för stationära värderade tidsserier, som bygger på siktens metod. Vi begränsar oss till autoregressiva siktstöd. Givet ett prov X1. X n från en linjär process fX tg t2 Z, vi approximerar den underliggande processen med en autoregressiv modell med orden. Vi studerar en bootstrap-metod för stationära värderade tidsserier, som bygger på siktens metod. Vi begränsar oss till autoregressiva siktstöd. Givet ett prov X1. X n från en linjär process fX tg t2 Z, vi approximerar den underliggande processen med en autoregressiv modell med order p p (n), där p (n) 1p (n) o (n) som provstorlek n1. Baserat på en sådan modell är en bootstrap-process fX t g t2 Z konstruerad från vilken man kan rita prover av vilken storlek som helst. Vi ger ett resultat som säger att det med stor sannolikhet är en sådan siktstödsprocess fX t g t2 Z en ny typ av blandningsförhållande. Detta innebär att många resultat för stationära blandningssekvenser övergår till siktstartsprosessen. Som exempel får vi en funktionell centralgränsteori under ett bracketingförhållande. Av Franz C. Palm, Stephan Smeekes, Jean-pierre Urbain - METEOR Research Memorandum 06015, Maastricht-universitetet. 2006. I detta dokument studerar och jämför vi egenskaperna hos flera bootstrap-enhetens rottest som nyligen föreslagits i litteraturen. Testerna är Dickey-Fuller eller Augmented DF-tester, antingen baserade på rester från en autoregression och användningen av blockstartstrappen eller på första differentierade data och användningen. I detta dokument studerar och jämför vi egenskaperna hos flera bootstrap-enhetens rottest som nyligen föreslagits i litteraturen. Testerna är Dickey-Fuller eller Augmented DF-tester, antingen baserade på rester från en autoregression och användningen av blockstartstrappen eller på första differentierade data och användningen av den stationära bootstrap eller sikt bootstrap. Vi utökar analysen genom att utbyta datatransformationerna (skillnader mot rester), typerna av bootstrap och närvaron eller frånvaron av en korrigering för autokorrelation i testen. Vi visar att två sikt bootstrap-tester baserat på rester är asymptotiskt giltiga. I motsats till litteraturen som fokuserar på en jämförelse mellan bootstrap-testen med ett asymptotiskt test jämför vi bootstrap-testen bland dem med hjälp av ytor för storlek och kraft i en simuleringsstudie. Denna studie leder till följande slutsatser: (i) Förhöjda DF-tester är alltid föredragna för standard DF-tester (ii) siktstödssträngen fungerar bättre än blockstartremsan (iii) skillnadsbaserade tester verkar ha lite bättre storlek, men restbaserade tester verkar mer kraftfulla. av Franz C. Palm, Stephan Smeekes, Jean-Pierre Urbain. 2007. I detta dokument föreslår vi en bootstrap-version av Wald-testet för samfördelning i en likformig felkorrigeringsmodell med en ekvation. Den multivariata sikten bootstrap används för att hantera beroende i serien. Vi visar att det introducerade bootstrap-testet är asymptotiskt giltigt. Vi analyserar också. I detta dokument föreslår vi en bootstrap-version av Wald-testet för samfördelning i en likformig felkorrigeringsmodell med en ekvation. Den multivariata sikten bootstrap används för att hantera beroende i serien. Vi visar att det introducerade bootstrap-testet är asymptotiskt giltigt. Vi analyserar också de små provegenskaperna hos vårt test genom simulering och jämför det med det asymptotiska testet och flera alternativa bootstrap-test. Uppstartstestet ger signifikanta förbättringar när det gäller storlekaregenskaper över det asymptotiska testet, samtidigt som de har liknande effektegenskaper. Det utför också minst lika bra som de alternativa bootstrap testerna betraktas i storlek och kraft. Känsligheten hos bootstrap-testet till ersättningen för deterministiska komponenter undersöks också. Simuleringsresultat visar att testen med tillräckliga deterministiska komponenter som ingår är okänsliga för det verkliga värdet av trenderna i modellen och behåller rätt storlek. JEL-klassificering: C15, C32. av Peter Bhlmann. 1996. Vi studerar en sikt bootstrap procedur för tidsserier med en deterministisk trend. Silen för konstruktion av bootstrap baseras på autoregressiv approximation. Med tanke på tidsseriedata skulle man först använda en preliminär uppskattning av trenden för de underliggande tidsserierna och sedan approximera n. Vi studerar en sikt bootstrap procedur för tidsserier med en deterministisk trend. Silen för konstruktion av bootstrap baseras på autoregressiv approximation. Med tanke på tidsseriedata skulle man först använda en preliminär uppskattning av trenden i de underliggande tidsserierna och approximera sedan bullerprocessen med en stor autoregressiv modell av ökande ordning när provstorleken växer. Uppstartsprogrammet är baserat på omprövning av uppskattade innovationer av utrustade autogegrativa modeller. Vi visar giltigheten för sådana siktstartstrapps approximationer för begränsande fördelning av linjära trendestimatörer, såsom generella regressionspredictorer eller kärn-smoothers. Detta bootstrap-system kan sedan användas för att konstruera samtidiga konfidensintervall för trenden, där simultaniteten kan uppnås över en rad punkter som kan väljas av användaren. Tidsseriekontexten skiljer sig väsentligt från den oberoende uppställningen: metoder från det oberoende, anpassat till det beroende fallet, tycks förlora mycket av deras noggrannhet. Vårt resamplingprocedur ger tillfredsställande resultat i en simuleringsstudie för ändliga provstorlekar. av Andres M. Alonso, Juan Romo. Flera tekniker för resampling-beroende data har redan föreslagits. I det här dokumentet använder vi saknade värdetekniker för att modifiera de rörliga blocken jackknife och bootstrap. Närmare bestämt betraktar vi blocken av raderade observationer i den blockerande jackkniven som saknade data som är reco. Flera tekniker för resampling-beroende data har redan föreslagits. I det här dokumentet använder vi saknade värdetekniker för att modifiera de rörliga blocken jackknife och bootstrap. Närmare bestämt betraktar vi blocken av raderade observationer i den blockerande jackkniven som saknade data som återvinns genom att sakna värdesuppskattningar som innefattar observationsberoendestrukturen. Således uppskattar vi variansen av en statistik som en vägd provvariant av statistiken utvärderad i en komplett serie. Konsistensen av variansen och fördelningsestimatorerna för provmedlet fastställs. Dessutom tillämpar vi de saknade värdena till blockstartstrappen genom att inkludera några saknade observationer bland två på varandra följande block och vi visar konsekvensen för variansen och distributionsestimatorerna för provmedlet. Slutligen presenterar vi resultaten av en omfattande Monte Carlo-studie för att utvärdera prestanda för dessa metoder för ändliga provstorlekar, vilket visar att vårt förslag ger variansuppskattningar för flera tidsseriestatistik med mindre genomsnittligt kvadratfel än tidigare förfaranden. 2 av Slvia Gonalves, Lutz Kilian, Srie Scientifique, Banque Du Canada, Banque Laurentienne Du Canada, Bourse De Montral, Gaz Mtropolitain, Cole Polytechnique De Montral, Hec Montral, Universitair Concordia, Universit De Montral, Universit Laval, Universitair Mcgill. citat du dokument källa, inkluant la meddelande. Korta avsnitt kan anges utan uttryckligt tillstånd om full kredit, inklusive meddelande, ges till källan. CIRANO Le CIRANO är en organiserad organisation men en lukrativ konstituent och en av de ledande företagen i Qubec. Le financement de son i. Citat du dokument källa, inklusive meddelande. Korta avsnitt kan anges utan uttryckligt tillstånd om full kredit, inklusive meddelande, ges till källan. CIRANO Le CIRANO är en organiserad organisation men en lukrativ konstituent och en av de ledande företagen i Qubec. Le financement de son infrastruktur och de är aktiva för att upptäcka avgöranden av de organisationsmembres, dune subvention dinfrastructure du ministre de la Récherche de la Science et de la Technologie, de mu que de subventions et mandats obtenus par ses quipes de recherche. CIRANO är en privat ideell organisation som ingår i Qubec Companies Act. Dess infrastruktur och forskningsverksamhet finansieras genom avgifter som medlemsorganisationerna betalar, ett infrastrukturbidrag från Ministre de la Recherche, de la Science et de la Technologie och bidrag och forskningsmandat som erhållits av sina forskargrupper. Les organisationer-partenaires Partnerorganisationerna PARTENAIRE MAJEUR. Ministre des Finances, ekonomin och de recherche MFER av Yoosoon Chang, Joon Y. Park. I detta papper erhåller vi de asymptotiska fördelningarna av Augmented-Dickey-Fuller (ADF) - test under mycket milda förhållanden. Testerna var ursprungligen föreslagna och undersökta av Said och Dickey (1984) för provningsenhetrötter i nite-order-ARMA-modeller med innovativa innovationer, och bygger på en nite AR. I detta papper erhåller vi de asymptotiska fördelningarna av Augmented-Dickey-Fuller (ADF) - test under mycket milda förhållanden. Testerna var ursprungligen föreslagna och undersökta av Said och Dickey (1984) för provningsenhetrötter i nite-order ARMA-modeller med iid-innovationer, och bygger på en nite AR-processordning som ökar med provstorleken. Våra förutsättningar är signifikant svagare än deras. I synnerhet tillåter vi generella linjära processer med martingale dierence-innovationer, eventuellt med villkorade heteroskedasticiteter. De linjära processerna som drivs av innovationer av ARCH-typ är således tillåtna. Området för de möjliga ökande hastigheterna för AR-approximationsordningen är också mycket bredare. För det vanliga t-typprovet kräver vi bara att det ökar vid order o (n12) medan de antar att det är av order o (n) för vissa tillfredsställande
No comments:
Post a Comment