×
克里斯托弗·菲尔德（Christopher A.Field）。;道格拉斯·维恩斯（Douglas P.Wiens）。

具有相依误差的线性模型中的一步估计量。 （英语） Zbl 0801.62034号

可以。J.统计。 22，第2期，219-231（1994）.
摘要：当误差相关时，我们考虑回归参数向量的稳健M估计问题。我们假设一个弱平稳的，但在其他方面相当一般的依赖结构。我们的模型可以表示任何有限长度时间序列的相关性。
我们首先构造回归、尺度和自相关参数的初始估计。初始自相关估计用于将模型转换为近似独立的模型。在这个转换模型中，计算了最终的一步（M）估计。
在适当的假设下，得到的回归估计是渐近正态的，其方差-方差结构与自相关已知的情况下的结构相同。给出了模拟研究的结果。将我们的估计量的两个版本与（L_1）估计量和几个Huber型（M）估计量进行了比较。就偏差和均方误差而言，估计值通常非常接近。就置信区间的覆盖概率而言，我们的估计似乎优于L_1估计和其他估计。模拟还表明，接近正态分布的速度相当快。

引用于8文件

MSC公司：

62层35 鲁棒性和自适应程序（参数推断）
62M10个 统计学中的时间序列、自相关、回归等（GARCH）
62J05型 线性回归；混合模型
2012年12月62日 参数估计量的渐近性质

关键词：

L1-刺激器;渐近正态性;稳健估计;弱稳定的;依赖;有限长时间序列;自相关参数;转换模型;一步\（M\）-估计;回归估计;模拟;Huber类型\（M\）-估计量;偏差;均方误差;置信区间的覆盖概率

软件：

nlmdl公司
PDF格式BibTeX公司 XML格式引用
\textit{C.A.Field}和\textit{D.P.Wiens}，加拿大。J.Stat.22，No.2，219--231（1994；Zbl 0801.62034）
全文： 内政部

参考文献：

[1] Basset，最小绝对误差回归的渐近理论，J.Amer。统计师。Assoc.73第618页–（1978年）
[2] Bickel，线性模型中的一步Huber估计，J.Amer。统计师。协会70第428页–（1975年）·Zbl 0322.62038号
[3] Bustos，污染pth阶自回归过程的一般M估计：一致性和渐近正态性。Z、 瓦尔什。版本。盖布。第59页，491页–（1982年）·Zbl 0465.62088号
[4] Bustos，ARMA模型的稳健估计，J.Amer。统计师。Assoc.81第155页–（1986）
[5] 柯林斯，污染模型的最小方差M估计，安.统计。第13页，1078页–（1985）·Zbl 0584.62049号
[6] Deniau，《统计学的最新发展》（1977年）
[7] Dodge，ed.基于L1-Norm和相关方法的统计数据分析第415页–（1987）·Zbl 0615.00009
[8] Englund，相关序列位置和规模的递归M估计，Scand。J.统计。第15页第147页–（1988年）
[9] Field，多元M-估计的小样本渐近展开，Ann.Statist。第10页，672页–（1982年）·Zbl 0515.62024号
[10] 线性模型中带相依误差的Field，一步M-估计量（1990）
[11] Franke，离散时间序列的最小盈亏预测。Z、 瓦尔什。版本。盖布。第68页，第337页–（1985年）
[12] Gallant，非线性统计模型（1987）
[13] Gallant，具有自相关误差的非线性回归，J.Amer。统计师。协会71第961页–（1976）·Zbl 0337.62046号
[14] Goebel，J.J.（1974年）。存在自相关误差的非线性回归。爱荷华州立大学统计系博士学位论文。
[15] Gastwirth，相依数据稳健估计的行为，Ann Statist。第3页1070–（1975）
[16] 格罗斯曼，W.（1979）。非线性时间序列模型估计的有效性。程序。第二届布拉格渐近统计研讨会。（P.Mandl和M.Huskova编辑），199-210。
[17] Hannan，非线性时间序列回归，J.Appl。普罗巴伯。第8页，767页–（1971年）·Zbl 0227.62052号
[18] Huber，稳健统计（1981）
[19] Koul，相依误差回归模型中稳健估计量的行为，Ann.Statist。第5页，第681页–（1977年）·Zbl 0358.62032号
[20] Kumperger，关于平稳混合过程的修剪均值的渐近正态性和位置的M-估计（1990）
[21] Martin，应用时间序列分析2，第683页–（1981）
[22] Martin，The Cramér-Rao界和稳健的自回归M-估计，Biometrika 69 pp 437–（1982）·Zbl 0499.62029号
[23] 马丁，《统计手册》5，第119页–（1985）
[24] Martin，时间序列的影响函数，Ann.Statist 14 pp 781–（1986）·Zbl 0608.62042号
[25] Masarotto，自回归移动平均参数的稳健一致估计，Biometrika 74 pp 791–（1987）·Zbl 0628.62027号
[26] Mehra，关于强混合下多元回归参数的H-L型估计（1988）
[27] Poetscher，具有相依观测值的非线性回归模型的一类部分自适应一步M-估计，《计量经济学》32页219–（1986）
[28] 波特诺伊，相依情况下的稳健估计，安。统计。第5页第22页–（1977年）·Zbl 0355.62047号
[29] 波特诺伊，关于相依情况下稳健估计的进一步评论，《统计年鉴》。第7页224页–（1979年）·Zbl 0399.62038号
[30] Rao，具有相依误差的线性模型的Af-估计器的渐近行为，Bull。Inst.数学。阿卡德。Sinica 9第367页–（1981）
[31] Roussas，相依条件下固定设计点的一致回归估计，Stat.Prob。Utters 8第41页–（1989）·Zbl 0674.62026号
[32] Roussas，混合条件下的非参数回归估计，Stock Proc。申请36第107页–（1990年）·Zbl 0699.62038号
[33] Sadowsky，一个用于依赖数据的鲁棒检测和估计的最大方差模型，IEEE Trans。通知。理论32 pp 220–（1986）·兹比尔0594.62029
[34] 萨马洛夫，稳健谱回归，《统计年鉴》。第15页，99–（1987）·Zbl 0644.62095号
[35] Street，关于通过迭代加权最小二乘法计算稳健回归估计的注释，Amer。统计师。第42页，第152页–（1988年）
[36] Wiens，Kolmogorov街区位置的最小方差M-估计量，Ann.Statist。第14页，724页–（1986年）·Zbl 0603.62043号
[37] Zamar，《位置模型中对意外依赖的鲁棒性》，Statist。普罗巴伯。莱特。第367页，共9页–（1989年）·兹伯利0694.62016
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。