×
Lei，Huang（黄磊）;夏英村;秦旭

具有ARMA误差的半变系数时间序列模型的估计。 （英语） Zbl 1346.60020号

Ann.统计。 44，第4期，1618-1660（2016）.
摘要：时间序列模型残差中的序列相关性会导致模型估计和预测的偏差。然而，具有这种序列相关残差的模型很难估计，特别是当回归函数是非线性的时候。现有的估计方法需要对残差和回归变量之间的关系进行强有力的假设，这不包括时间序列分析中常用的自回归模型。通过推广Whittle似然估计，本文详细研究了带有ARMA残差序列的半参数自回归模型。建立了估计量的渐近正态性，提出了一种模型选择方法。通过数值例子说明了该估计方法的性能以及在残差中加入序列相关性的必要性。

引用于10文件

MSC公司：

60F05型 中心极限和其他弱定理
62M10个 统计学中的时间序列、自相关、回归等（GARCH）
62G05型 非参数估计
62G08号 非参数回归和分位数回归
6220国集团 非参数推理的渐近性质
65C60个 统计中的计算问题（MSC2010）

关键词：

ARMA工艺;时间序列;Whittle似然估计;渐近正态性;半变系数模型;谱密度函数;B样条曲线;相关误差
PDF格式BibTeX公司 XML格式引用
\textit{H.Lei}等人，Ann.Stat.44，No.4，1618--1660（2016；Zbl 1346.60020）
全文： DOI程序 欧几里得

参考文献：

[1] Adams，R.、Chen，C.、McCarl，B.和Weiher，R.（1999）。ENSO事件对农业的经济影响。攀登。第3号决议165-172。
[2] Barrow，D.L.和Smith，P.W.（1978/79）。可变节点样条函数最佳逼近（L_{2}[0,1]\）的渐近性质。夸脱。申请。数学。36 293-304·Zbl 0395.41012号
[3] Brockwell，P.J.和Davis，R.A.（1991年）。《时间序列：理论与方法》，第二版，纽约斯普林格出版社·Zbl 0709.62080号
[4] 蔡政（2007）。具有序列相关误差的时变系数时间序列模型的趋势。《计量经济学杂志》136 163-188·Zbl 1418.62306号 ·doi:10.1016/j.jeconom.2005.08.004
[5] 蔡，Z.，樊，J.和姚，Q.（2000）。非线性时间序列的函数系数回归模型。J.Amer。统计师。协会95 941-956·Zbl 0996.62078号 ·doi:10.2307/2669476
[6] Carroll，R.J.、Fan，J.、Gijbels，I.和Wand，M.P.（1997年）。广义部分线性单指数模型。J.Amer。统计师。协会92 477-489·Zbl 0890.62053号 ·doi:10.2307/2965697
[7] Chen，Z.，Li，R.和Li，Y.（2015）。具有自相关误差过程的数据的变系数模型。统计师。Sinica中国25 709-723·Zbl 06503817号
[8] Chen，R.和Tsay，R.S.（1993年）。函数系数自回归模型。J.Amer。统计师。协会88 298-308·Zbl 0776.62066号 ·doi:10.2307/2290725
[9] Fan，J.和Yao，Q.（2003）。非线性时间序列：非参数和参数方法。纽约州施普林格·Zbl 1014.62103号
[10] Gao，J.（2007）。非线性时间序列：半参数和非参数方法。统计学和应用概率专著108。查普曼和霍尔/CRC，佛罗里达州博卡拉顿。
[11] Giraitis，L.和Robinson，P.M.（2001）。ARCH模型的Whittle估计。计量经济学理论17 608-631·Zbl 1051.62074号 ·doi:10.1017/S0266466601173056
[12] Glantz，M.（2001）。变化趋势：厄尔尼诺和拉尼娜对气候和社会的影响。剑桥大学出版社，剑桥。
[13] Hall，P.和Van Keilegom，I.（2003年）。在具有时间序列误差的非参数回归中使用基于差分的推理方法。J.R.统计社会服务。B统计方法。65 443-456之间·Zbl 1065.62067号 ·doi:10.111/1467-9868.00395
[14] Hannan，E.J.（1973）。线性时间序列模型的渐近理论。J.应用。普罗巴伯。10 130-145，更正，同上，10（1973），913·Zbl 0261.62073号 ·doi:10.2307/3212501
[15] Hart，J.D.（1991）。具有时间序列误差的核回归估计。J.罗伊。统计师。Soc.序列号。乙53 173-187·Zbl 0800.62215号
[16] Hastie，T.J.和Tibshirani，R.J.（1993）。变系数模型（讨论）。J.罗伊。统计师。Soc.序列号。乙55 757-796·Zbl 0796.62060号
[17] Huang，J.Z.和Yang，L.（2004）。非线性加性自回归模型的识别。J.R.统计社会服务。B统计方法。66 463-477. ·Zbl 1062.62185号 ·doi:10.1111/j.1369-7412.004.05500.x
[18] Li，Q.、Huang，C.J.、Li，D.和Fu，T.（2002）。半参数平滑系数模型。J.总线。经济。统计师。20 412-422.
[19] Liu，J.M.，Chen，R.和Yao，Q.（2010）。非参数传递函数模型。《计量经济学杂志》157 151-164·Zbl 1431.62400号 ·doi:10.1016/j.jeconom.2009.10.029
[20] Ljung，G.M.和Box，G.E.P.（1978年）。时间序列模型中缺乏拟合的度量。生物特征65 297-303·Zbl 0386.62079号 ·doi:10.1093/biomet/65.2.297
[21] Ma，S.和Yang，L.（2011）。部分线性可加模型的样条拟合核平滑。J.统计学家。计划。推断141 204-219·Zbl 1197.62130号 ·doi:10.1016/j.jspi.2010.05.028
[22] Mahdi，E.和McLeod，A.I.（2012年）。改进的多元组合检验。J.时间序列分析。33 211-222. ·兹比尔1300.62062 ·doi:10.1111/j.1467-9892.2011-00752.x
[23] McLeod，A.I.和Li，W.K.（1983年）。使用平方残差自相关的ARMA时间序列模型的诊断检查。J.时间序列分析。4 269-273. ·Zbl 0536.62067号 ·doi:10.1111/j.1467-9892.1983.tb00373.x
[24] Opsomer，J.，Wang，Y.和Yang，Y..（2001）。具有相关误差的非参数回归。统计师。科学。16 134-153. ·Zbl 1059.62537号 ·doi:10.1214/ss/1009213287
[25] Pierce，D.A.（1971）。具有自回归移动平均误差的回归模型中的最小二乘估计。生物特征58 299-312·Zbl 0226.62066号 ·doi:10.1093/biomet/58.2.299
[26] Ray，B.K.和Tsay，R.S.（1997年）。具有长期相关误差的核回归的带宽选择。生物特征84 791-802·Zbl 1090.62536号 ·doi:10.1093/biomet/84.4.791
[27] Severini，T.A.和Wong，W.H.（1992年）。剖面似然和条件参数模型。安。统计师。20 1768-1802. ·Zbl 0768.62015年 ·doi:10.1214/aos/1176348889
[28] Su，L.和Ullah，A.（2006年）。具有非参数自相关误差的非参数回归中更有效的估计。计量经济学理论22 98-126·Zbl 1083.62037号 ·doi:10.1017/S02664666060004X
[29] Tjötheim，D.和Auestad，B.H.（1994）。非线性时间序列的非参数识别：投影。J.Amer。统计师。协会89 1398-1409·Zbl 0813.62036号 ·doi:10.2307/2291002
[30] Tong，H.（1990）。非线性时间序列：动态系统方法。牛津统计科学系列6。纽约克拉伦登出版社·Zbl 0716.62085号
[31] Trenberth，K.和Stepaniak，D.（2001年）。厄尔尼诺演变指数。《气候杂志》14 1697-1701。
[32] Ubilava，D.和Helmers，C.G.（2013）。用平稳过渡自回归模型预测ENSO。环境。模型。柔和。40 181-190.
[33] Wang，T.和Xia，Y.（2014）。具有滑动平均残差的非线性自回归模型的Whittle似然估计。J.Amer。统计师。协会110 1083-1099·兹比尔1373.62460 ·doi:10.1080/01621459.2014.946513
[34] Whittle，P.（1953年）。多重平稳时间序列的分析。J.罗伊。统计师。Soc.序列号。B.15 125-139·Zbl 0053.41002号
[35] Xiao，H.和Wu，W.B.（2012）。平稳时间序列的协方差矩阵估计。安。统计师。40 466-493. ·Zbl 1246.62191号 ·doi:10.1214/11-AOS967
[36] Xiao，Z.、Linton，O.B.、Carroll，R.J.和Mammen，E.（2003）。具有自相关误差的非参数回归中更有效的局部多项式估计。J.Amer。统计师。协会98 980-992·Zbl 1043.62075号 ·doi:10.1198/0162145000000936
[37] Xue，L.和Yang，L.（2006）。基于多项式样条的可加系数建模。统计师。Sinica 16 1423-1446年·Zbl 1109.62030号
[38] Yao，Q.和Brockwell，P.J.（2006）。ARMA模型的高斯最大似然估计。一、时间序列。J.时间序列分析。27 857-875. ·Zbl 1141.62074号 ·文件编号：10.1111/j.1467-9892.2006.00492.x
[39] Yu，B.（1994）。平稳混合序列经验过程的收敛速度。安·普罗巴伯。22 94-116. ·Zbl 0802.60024号 ·doi:10.1214/aop/1176988849
[40] Zhang，W.，Lee，S.和Song，X.（2002）。半变系数模型中的局部多项式拟合。《多元分析杂志》。82 166-188. ·Zbl 0995.62038号 ·doi:10.1006/jmva.2001.2012
[41] Zhou，S.、Shen，X.和Wolfe，D.A.（1998）。回归样条曲线和置信区间的局部渐近性。安。统计师。26 1760-1782. ·Zbl 0929.62052号 ·doi:10.1214操作系统/1024691356
[42] Zygmund，A.（1959年）。三角级数。剑桥大学出版社，英国剑桥·Zbl 0085.05601号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。