×
乌切纳·C·恩杜卡。;托比亚斯·乌加（Tobias E.Ugah）。;Izunobi，Chinyeaka H。

通过ECM算法对向量自回归模型使用多元（t）新息进行稳健估计。 （英语） Zbl 1521.62422号

J.应用。斯达。 48，第4号，693-711（2021）.
摘要：本文考虑具有多元误差分布的p阶向量自回归模型VAR（p），后者在实际生活中比通常的多元正态分布更为普遍。人们认为，多元t分布的极大似然方程存在收敛性问题，因此我们利用多元t分布正态均值-方差混合表示建立了VAR（p）模型的估计方法。该过程依赖于基于期望最大化的算法中可用的计算简便性。所获得的估计量是样本观测的显式函数，因此易于计算。大量仿真实验表明，估计量的偏差可以忽略不计，并且比使用最小二乘误差方法的现有方法效率更高。结果表明，所提出的估计量对假设分布的似然偏差具有鲁棒性，因此与其他估计量相比更具优势。为了便于说明，给出了一个真实的示例。

引用于2文件

MSC公司：

62至XX 统计

关键词：

EM算法;最大似然估计;多元分布;稳健估计;向量自回归模型

软件：

引导数据库
PDF格式BibTeX公司 XML格式引用
\textit{U.C.Nduka}等人，J.Appl。《法律总汇》第48卷，第4期，693-711（2021年；兹bl 1521.62422）
全文： 内政部

参考文献：

[1] 贝茨，D.M。；Watts，D.，非线性回归分析及其应用（1988），纽约威利·Zbl 0728.62062号
[2] O.T.Bayrak。；Akkaya，A.D.，用改进的最大似然法估计多重自回归模型的参数，J.Compute。申请。数学。，233, 1763-1772 (2010) ·Zbl 1503.62070号 ·doi:10.1016/j.cam.2009.09.013
[3] Brockwell，P.J。；Davis，R.A.，《时间序列：理论和方法》（2006），Springer-Verlag:Springer-Verlag，纽约
[4] Chen，L.S。；普伦蒂斯，R.L。；Wang，P.，一种针对高斯参数估计的包含缺失数据机制的惩罚EM算法，生物统计学，70312-322（2014）·Zbl 1419.62321号 ·doi:10.1111/biom.12149
[5] Dempster，A.P。；新墨西哥州莱尔德。；Rubin，D.B.，《通过EM算法从不完整数据中获得最大似然（带讨论）》，J.R.Stat.Soc.Ser。B、 39、1-38（1977年）·Zbl 0364.62022号
[6] 埃夫隆，B。；Tibshirani，R.J.，《Bootstrap简介》（1993），查普曼和霍尔：查普曼与霍尔，纽约·Zbl 0835.62038号
[7] 哈格宾，H。；Nematollahi，A.R.，自回归模型中基于Likelihood的推理，采用基于EM的算法，具有标度t分布创新，Commun。统计-模拟。计算。，4222239-2252（2013）·Zbl 1302.62194号 ·doi:10.1080/03610918.2012.695848
[8] Hurvich，C.M。；Tsai，C.L.，小样本中的回归和时间序列模型选择，Biometrika，76297-307（1989）·Zbl 0669.62085号 ·doi:10.1093/biomet/76.2.297
[9] Kim，J。；Stoffer，D.S.，《通过粒子方法和EM算法在不规则采样情况下拟合随机波动率模型》，J.Time-Ser。分析。，29811-833（2008）·Zbl 1199.62042号 ·文件编号：10.1111/j.1467-9892.2008.00584.x
[10] Lange，K.L。；利特尔，R.J.A。；Taylor，J.M.G.，使用t分布的稳健统计建模，美国统计协会，84，881-896（1989）
[11] 刘，C。；Rubin，D.B.，《ECME算法：EM和ECM的简单扩展，具有更快的单调收敛性》，Biometrika，81，633-648（1994）·Zbl 0812.62028号 ·doi:10.1093/biomet/81.4.633
[12] 刘，C。；Rubin，D.B.，未知自由度多元t分布的ML估计，Stat.Sin。，5, 19-39 (1995) ·Zbl 0824.62047号
[13] 刘，Y。；桑·R。；Liu，S.，学生t分布下向量自回归模型的诊断分析，Stat.Neerl。，71, 86-114 (2017) ·Zbl 1528.62046号 ·doi:10.1111/坦桑尼亚11202
[14] Lutkepohl，H.，《多重时间序列分析新导论》（2005），《施普林格：施普林格》，柏林·Zbl 1072.62075号
[15] Mader，W。；林奇，Y。；Mader，M。；Sommerlade，L。；Timmer，J。；谢尔特，B.，状态空间模型期望最大化算法的数值高效实现，应用。数学。计算。，241, 222-232 (2014) ·Zbl 1335.62137号
[16] 孟晓乐，关于ECM算法的收敛速度，《Ann.Stat.》，22，326-339（1994）·Zbl 0803.65146号 ·doi:10.1214/aos/1176325371
[17] 孟，X.L。；Rubin，D.B.，《通过ECM算法的最大似然估计：一般框架》，《生物特征识别》，80，267-278（1993）·Zbl 0778.62022号 ·doi:10.1093/biomet/80.2.267
[18] Metaxoglou，K。；Smith，A.，使用状态空间EM算法对varma模型进行最大似然估计，J.Time-Ser。分析。，28, 666-685 (2007) ·Zbl 1150.62060号 ·文件编号：10.1111/j.1467-9892.2007.00529.x
[19] Miller，J.J.，方差分析混合模型中最大似然估计的渐近性质，Ann.Stat.，5746-762（1977）·Zbl 0406.62017年 ·doi:10.1214/aos/1176343897
[20] Mirniam，A.S。；Nematollahi，A.R.，使用基于EM的算法进行多变量标度t分布创新的向量自回归模型中的最大似然估计，Commun。统计-模拟。计算。，47, 890-904 (2018) ·Zbl 07549497号 ·doi:10.1080/03610918.2017.1295155
[21] Nduka，U.C.，基于EM的具有t分布创新的自回归模型算法，Commun。统计-模拟。计算。，47, 206-228 (2018) ·Zbl 1392.62274号 ·doi:10.1080/03610918.2017.1280164
[22] Paula，G.A。；莱瓦，V。；巴罗斯，M。；Liu，S.，应用于保险业的Birnbaum-Saunders-t分布进行稳健统计建模，Appl。斯托克。模型。公共汽车。印度，28，16-34（2012）·Zbl 06292429号 ·doi:10.1002/asmb.887
[23] 皮涅罗，J.C。；Liu，C.H。；Wu，Y.N.，使用多元t分布的线性混合效应模型中稳健估计的有效算法，J.Compute。图表。统计，10，249-276（2001）·doi:10.1198/10618600152628059
[24] Schwarz，G.E.，《估算模型的维数》，《Ann.Stat.》，第6期，第461-464页（1978年）·Zbl 0379.62005年 ·doi:10.1214操作系统/1176344136
[25] Tsay，R.S.，《金融时间序列分析》（2010），John Wiley&Sons：John Willey&Sons，纽约·Zbl 1209.91004号
[26] Wong，C.S。；Li，W.K.，关于混合自回归模型，J.R.Stat.Soc.，Ser。B、 6295-115（2000）·Zbl 0941.62095号 ·doi:10.1111/1467-9868.00222
[27] Wu，C.F.J.，关于EM算法的收敛性，Ann.Stat.，11，95-103（1983）·兹比尔0517.62035 ·doi:10.1214/aos/1176346060
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。