×
蒂亚戈·多斯·桑托斯。；格拉拉·C·弗朗哥。

用于校正结构模型中预测的均方误差和平滑估计的引导。 （英语） Zbl 1414.62391号

钎焊。J.概率。斯达。 33，第1号，139-160（2019）.
摘要：众所周知，参数估计中的不确定性会导致样本内和样本外估计的均方误差（MSE）低估。在状态空间框架中，此问题会影响平滑估计和预测的置信区间，平滑估计和预报通常由使用估计模型参数的状态向量预测器构建。为了纠正这一问题，本文提出并比较了基于状态空间模型中预测和平滑的MSE计算过程的参数和非参数自举方法。通过广泛的蒙特卡罗研究进行了比较，该研究从经验上说明了预测MSE估计中的偏差减少以及使用bootstrap方法的平滑估计。针对误差项的高斯和非高斯假设，分析了自举过程的有限样本特性。这些程序也适用于实时序列，结果令人满意。

MSC公司：

62M20型 随机过程推断和预测
62层25 参数公差和置信区域
62F40型 引导、折刀和其他重采样方法
62G09号 非参数统计重采样方法
62M10个 统计学中的时间序列、自相关、回归等（GARCH）

关键词：

状态空间模型；超参数；MLE公司；置信度和预测区间；参数和非参数引导

软件：

其mr；SsfPack（SsfPack）
PDF格式BibTeX公司 XML格式引用
\textit{T.R.dos Santos}和\textit{G.C.Franco}，巴西。J.概率。Stat.33，No.1，139--160（2019；Zbl 1414.62391）
全文： 内政部 欧几里得

参考文献：

[1] Ansley，C.F.和Kohn，R.（1986年）。具有估计参数的状态空间模型的预测均方误差。生物特征73467-473·Zbl 0603.62102号 ·doi:10.2307/2336224
[2] Brockwell，P.J.和Davis，R.A.（1996年）。时间序列和预测简介。纽约：斯普林格·Zbl 0868.62067号
[3] 德容，P.（1989）。使用状态空间模型进行平滑和插值。《美国统计协会杂志》84，1085-1088·Zbl 0702.62093号 ·doi:10.1080/01621459.1989.10478876
[4] dos Santos，T.R.和Franco，G.C.（2010年）。经典和贝叶斯观点下结构模型超参数的推断：一项比较研究。统计传播。模拟与计算391671-1689·Zbl 1205.62025号 ·doi:10.1080/03610918.2010.509831
[5] Franco，G.C.、Santos，T.R.、Ribeiro，J.A.和Cruz，F.R.B.（2008）。结构模型中超参数的置信区间。统计传播。模拟与计算37，486-497·Zbl 1160.62041号 ·网址：10.1080/03610910701812469
[6] Hamilton，J.D.（1986年）。状态空间模型估计状态向量的标准误差。《计量经济学杂志》33，387-397·Zbl 0596.62116号 ·doi:10.1016/0304-4076（86）90004-7
[7] Harvey，A.C.（1990年）。预测、结构时间序列模型和卡尔曼滤波器。剑桥：剑桥大学出版社·Zbl 0725.62083号
[8] Kalman，R.E.（1960年）。线性滤波和预测问题的新方法。基础工程杂志82，35-45。
[9] Koopman，S.J.、Shephard，N.和Doornik，J.A.（1999）。使用SsfPack 2.2的状态空间模型的统计算法。《计量经济学杂志》47，107-160·Zbl 0935.91034号 ·doi:10.1111/1368-423X.00023
[10] Pfeffermann，D.和Tiller，R.（2005）。具有估计参数的状态空间模型预测MSE的Bootstrap近似。《时间序列分析杂志》26，893-916·Zbl 1097.62086号 ·数字对象标识代码：10.1111/j.1467-9892.2005.00448.x
[11] Quenneville，B.和Singh，A.C.（2000年）。具有估计参数的状态空间模型的贝叶斯预测均方误差。时间序列分析期刊21219-236·兹比尔0958.62086 ·doi:10.111/1467-9892.00182
[12] Rodriguez，A.和Ruiz，E.（2009年）。状态空间模型中的引导预测间隔。《时间序列分析杂志》30，167-178·Zbl 1224.62086号 ·文件编号：10.1111/j.1467-9892.2008.00604.x
[13] Rodríguez，A.和Ruiz，E.（2012年）。基于带估计参数的卡尔曼滤波器的Bootstrap预测未观测状态的均方误差。计算统计与数据分析56，62-74·Zbl 1239.62112号
[14] Shephard，N.（1993年）。随机趋势分量回归模型的最大似然估计。《美国统计协会杂志》88，590-595·Zbl 0775.62242号 ·doi:10.1080/01621459.1993.10476311
[15] Stoffer，D.S.和Wall，K.D.（1991）。自举状态空间模型：高斯最大似然估计和卡尔曼滤波器。《美国统计协会杂志》86，1024-1033·Zbl 0850.62693号 ·doi:10.1080/01621459.1991.10475148
[16] Tsimikas，J.和Ledolter，J.（1994）。状态空间模型中的REML和最佳线性无偏预测。通信统计。理论方法23 2253-2268·Zbl 0825.62210号 ·doi:10.1080/03610929408831384
[17] Wall，K.D.和Stoffer，D.S.（2002年）。ARMA模型中引导条件预测的状态空间方法。时间序列分析杂志23733-751·Zbl 1115.62101号 ·数字对象标识代码：10.1111/1467-9892.00288
[18] West，M.和Harrison，J.（1997年）。贝叶斯预测和动态模型，第二版，《统计学中的斯普林格系列》。纽约：斯普林格·Zbl 0871.62026号
[19] 山本，T.（1976）。具有估计系数的自回归模型的渐近均方预测误差。英国皇家统计学会杂志。C系列应用统计学25123-127。
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。