×
皮埃尔公爵夫人;皮埃尔·拉法耶·德米肖;约瑟夫·弗朗索瓦·塔格内·塔辛古

ARMA时间序列模型中一步Gauss-Newton估计的强相合性和渐近正态性。 （英语） Zbl 1468.62335号

统计 54，第5期，1030-1057（2020）.
摘要：研究均值未知的因果和可逆自回归滑动平均（ARMA）时间序列模型的一步Gauss-Newton估计。证明了这些估计的强相合性和渐近正态性。在仿真研究中，ARMA模型说明了它们的经验性质，并与其他估计量进行了比较：基于新息算法过程的估计量，基于谱方法的估计量J.克兰佩等[J.R.Stat.Soc.，Ser.B，Stat.Methodol.80，No.4，703–726（2018；Zbl 1398.62236号)]，以及使用这些方法作为初步估计的一步Gauss-Newton估计。在一阶滑动平均模型中，我们加入了基于矩方法的估计量。样本平均值用作估计平均值的初步估计值。将这些估计量与最大高斯似然估计量在精确偏差和均方误差方面进行了实证比较。

MSC公司：

62米10 统计学中的时间序列、自相关、回归等（GARCH）
62M15型 随机过程和谱分析的推断
62甲12 多元分析中的估计

关键词：

渐近正态性;一步Gauss-Newton估计;强一致性;时间序列

引文：

Zbl 1398.62236号

软件：

其mr;美国astsa
PDF格式BibTeX公司 XML格式引用
\textit{P.Duchesne}等人，《统计学》54，第5期，1030--1057（2020年；Zbl 1468.62335）
全文： 内政部

参考文献：

[1] PJ布罗克韦尔；弗吉尼亚州戴维斯。，《时间序列：理论和方法》（1991年），纽约：斯普林格·弗拉格出版社，纽约·Zbl 0709.62080号
[2] 宾夕法尼亚州汉南。，线性时间序列模型的渐近理论，J Appl Probab，10130-145（1973）·兹比尔0261.62073 ·doi:10.2307/3212501
[3] 华盛顿州富勒。，《统计时间序列导论》（1996），纽约：John Wiley&Sons出版社，纽约·Zbl 0851.62057号
[4] 姚，Q。；普华永道布罗克韦尔。，ARMA模型的高斯最大似然估计。I.时间序列，《时序分析杂志》，27857-875（2006）·Zbl 1141.62074号 ·文件编号：10.1111/j.1467-9892.2006.00492.x
[5] 普华永道Brockwell；弗吉尼亚州戴维斯。，线性滤波器系数的简单一致估计，Stoch Process Their Appl，28，47-59（1988）·Zbl 0637.62087号 ·doi:10.1016/0304-4149（88）90063-4
[6] Krampe，J。；克莱斯，J-P；Paparoditis，E.，时间序列的估计世界表示和光谱密度驱动自举，J R Stat Soc:Ser B（统计方法），80，703-726（2018）·Zbl 1398.62236号 ·doi:10.1111/rssb.12267
[7] PJ布罗克韦尔；弗吉尼亚州戴维斯。，时间序列和预测导论（2002），纽约：Springer-Verlag，纽约·兹比尔0994.62085
[8] Luceño，A.，长序列一般线性过程可能性重复评估的快速算法，美国统计协会，88，229-236（1993）·Zbl 0775.62237号
[9] TS.Ferguson，《大样本理论课程》（1996），伦敦：查普曼和霍尔出版社，伦敦·Zbl 0871.6202号
[10] van der Vaart，AW.，《渐近统计》（1998），剑桥：剑桥大学出版社，剑桥·Zbl 0910.62001号
[11] PJ.比克尔。，线性模型中的一步Huber估计，J Am Stat Assoc，70，428-434（1975）·Zbl 0322.62038号 ·doi:10.1080/01621459.1975.10479884
[12] 普华永道胡贝尔。，稳健统计（1981），纽约：John Wiley&Sons，纽约·Zbl 0536.62025号
[13] 罗素，PJ；Leroy，AM，《稳健回归和异常值检测》（1987），纽约：John Wiley&Sons出版社，纽约·Zbl 0711.62030号
[14] 舒姆韦，右侧；Stoffer，DS.，《时间序列分析及其应用：以r为例》（2017），纽约：Springer-Verlag，纽约·Zbl 1367.62004号
[15] 俄亥俄州巴斯托斯、R州弗雷曼、VJ州尤海。ARMA模型基于残差自方差估计的渐近行为。作者：Franke J、Haerdle W、Martin D，编辑。稳健的非线性时间序列分析。柏林：斯普林格·弗拉格；1984年，第26-49页·Zbl 0565.62067号
[16] 俄亥俄州布斯托斯；弗吉尼亚州尤海。，ARMA模型的稳健估计，J Am Stat Assoc，81，155-168（1986）·doi:10.1080/01621459.1986.10478253
[17] 穆勒，N。；佩尼亚，D。；Yohai，弗吉尼亚州。，ARMA模型的稳健估计，Ann Stat，37816-840（2009）·Zbl 1162.62405号 ·doi:10.1214/07-AOS570
[18] Serfling，RJ.，《数理统计近似定理》（1980），纽约：John Wiley&Sons Inc.，纽约·Zbl 0538.62002号
[19] 弗朗克·C。；Zakoían，J-M.，估计非线性过程的线性表示，J Stat Plan Inference，68，145-165（1998）·Zbl 0942.62100号 ·doi:10.1016/S0378-3758（97）00139-0
[20] 弗朗克·C。；Zakoían，J-M.，混合弱ARMA模型估计量的协方差矩阵估计，J Stat Plan Inference，83，369-394（2000）·Zbl 0976.62086号 ·doi:10.1016/S0378-3758（99）00109-3
[21] P·公爵夫人。；Lafaye de Michoaux，P。；Tagne Tatsingou，JF.，估计ARMA模型的均值及其对Neyman正态性平滑检验的影响，Can J Stat，44，241-270（2016）·Zbl 1352.62135号 ·doi:10.1002/cjs.11292
[22] McLeod，AI.，关于ARMA模型参数冗余的注释，《时序分析杂志》，第14期，207-208（1993）·文件编号：10.1111/j.1467-9892.1993.tb00138.x
[23] Pourahmadi，M.，《时间序列分析和预测理论基础》（2001），纽约：John Wiley&Sons Inc.，纽约·Zbl 0982.62074号
[24] 宾夕法尼亚州汉南。，多重时间序列（1970），纽约：John Wiley&Sons，纽约·Zbl 0211.49804号
[25] 汉南，EJ；Heyde，CC，关于离散时间序列二次函数的极限定理，Ann Math Statist，432058-2066（1972）·Zbl 0254.62057号 ·doi:10.1214/aoms/1177690885
[26] 安，HZ；陈，ZG。，关于具有无限方差的自回归中LAD估计的收敛性，J Multivar Anal，12335-345（1982）·Zbl 0508.62075号 ·doi:10.1016/0047-259X（82）90070-7
[27] Davis，RA；Resnick，SI，移动平均值样本协方差和相关函数的极限理论，《Ann Stat》，第14期，第533-558页（1986年）·Zbl 0605.62092号 ·doi:10.1214/aos/1176349937
[28] 汉南，EJ；Kanter，M.，《具有无穷方差的自回归过程》，J Appl Probab，14，411-415（1977）·Zbl 0366.60033号 ·doi:10.2307/3213015
[29] Mikosch，T。；Gadrich，T。；Klüppelberg，C.，具有无穷方差创新的ARMA模型的参数估计，《Ann Stat》，23，305-326（1995）·Zbl 0822.62076号 ·doi:10.1214/aos/1176324469
[30] TL麦克默里；政治，DN。，通过自协方差矩阵的因子分解和MA筛自举估计MA参数，J Time-Ser Anal，39433-446（2018）·Zbl 1416.62511号 ·doi:10.1111/jtsa.12296
[31] CF安斯利；Newbold，P.，自回归滑动平均模型估计量的有限样本性质，经济杂志，13，159-183（1980）·Zbl 0432.62063号 ·doi:10.1016/0304-4076（80）90013-5
[32] 克莱尔，JD；Ledolter，J.，一阶移动平均模型中最大似然估计量的小样本性质，Biometrika，68，691-694（1981）
[33] Davis，RA；邓斯米尔，WTM。，单位圆上或附近带根MA（1）过程的最大似然估计，经济理论，12，1-29（1996）·doi:10.1017/S0266466600006423
[34] Dunsmuir，WTM，《数据间隔不规则或缺失时平稳时间序列的估计》。In:Findley DF，编辑。应用时间序列II。纽约：学术出版社；1981年，第609-649页·Zbl 0482.62081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。