作者
摘要
许多非/半参数时间序列估计可被视为不同形式的筛选极值估计。对于平稳的绝对正则混合观测,作者获得了光滑泛函的筛极值估计的收敛速度和“插入式”筛极值估值的根n渐近正态性。作为时间序列模型的应用,它们通过神经网络、样条、小波给出了非参数ARX(p,q)回归的收敛速度;部分线性加性AR(p)模型和单调变换AR(1)模型的root-n渐近正态性。
建议引用
陈晓红,沈晓彤,1998。"弱相依数据的筛极值估计,"计量经济学,《计量经济学学会》,第66卷(2),第289-314页,3月。手柄:RePEc:ecm:emetrp:v:66:y:1998:i:2:p:289-314
从出版商下载全文
据我们所知,此商品不适用于下载。要确定它是否可用,有三个选项:1.在下面检查是否在线提供此项目的另一个版本。2.检查提供商的网页 它是否真的可用。3.执行搜索对于标题类似的项目可用。
更正
本网站上的所有材料均由各自的出版商和作者提供。您可以帮助纠正错误和遗漏。请求更正时,请提及此项目的句柄:RePEc:ecm:emetrp:v:66:y:1998:i:2:p:289-314。请参阅一般信息关于如何更正RePEc中的材料。
如果您编写了此项目,但尚未在RePEc注册,我们鼓励您这样做在这里。这允许将您的个人资料链接到此项目。它还允许您接受我们不确定的该项目的潜在引用。
我们没有这个项目的参考书目。您可以使用这个表格.
如果你知道引用这一条的缺失条目,你可以通过以与上述相同的方式为每个引用条目添加相关引用来帮助我们创建这些链接。如果您是此项目的注册作者,您可能还需要检查您的RePEc作者服务个人资料,因为可能有一些引文等待确认。
有关此项目的技术问题,或更正其作者、标题、摘要、书目或下载信息,请联系:Wiley Content Delivery(以下电子邮件可用)。供应商的一般联系方式:https://edirc.repec.org/data/esssea.html.
请注意,更正可能需要几周时间才能筛选出来各种RePEc服务。