×

存在缺失数据的谱估计。 (英语) Zbl 1411.62249号

理论问题。数学。斯达。 95, 59-79 (2017)和特奥。乔莫维恩。《材料统计》95,55-74(2016)。
摘要:在本文中,我们提出了一种在缺失数据存在的情况下时间序列模型参数族的拟怀特估计。该估计将结果推广到不完全观测的情况。这种扩展适用于非高斯和非线性模型。它还允许我们限制相关准周期图的方差。一项模拟研究实证验证了混合和非混合模型的拟议估计。

MSC公司:

62M10个 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
2012年12月62日 参数估计量的渐近性质
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] 和D.Andrews,《非强混合自回归过程》,J.Appl。普罗巴伯。21 (1984), 930-934. ·Zbl 0552.60049号
[2] BarDouLeo08 J.Bardet、P.Doukhan和J.Le’on,弱相依时间序列周期图的一致极限定理及其在Whittle估计中的应用,《时间序列分析》J。29(2008),第1期,906-945·Zbl 1198.62087号
[3] BonBde12 P.Bondon和N.Bahamonde,缺失观测的拱形模型的最小二乘估计,时间序列分析杂志33(2012),第6期,880-891·Zbl 1281.62190号
[4] Dah R.Dahlhaus,局部平稳过程的似然近似,《统计年鉴》28(2000),1762-1794·Zbl 1010.62078号
[5] DedDou03 J.Dedecker和P.Doukhan,一个新的协方差不等式及其应用,随机过程。申请。106(2003)第1期,63-80·Zbl 1075.60513号
[6] Douk94 P.Doukhan,《混合:属性和示例》,《统计学讲义》,第85卷,Springer-Verlag,纽约,1994年·兹比尔0801.60027
[7] DoLA09 P.Doukhan和G.Lang,比率矩的评估及其在回归估计中的应用,伯努利15(2009),第4期,1259-1286·兹比尔1200.62035
[8] DoukLeon89 P.Doukhan和J.R。Le’on,平稳混合随机序列的累积量及其在经验谱密度中的应用,Probab。数学。统计师。10(1989),第1期,第11-26页·Zbl 0684.60027号
[9] DouLou99 P.Doukhan和S.Louhichi,一个新的弱依赖条件及其在矩不等式中的应用,随机过程。申请。84(1999),第2期,313-342·Zbl 0996.60020号
[10] DMR1994 P.Doukhan、P.Massart和E.Rio,《强混合过程的函数中心极限定理》,Ann.Inst.H.Poincar \'E Probab。统计师。30(1994年),第1期,第63-82页·Zbl 0790.60037号
[11] DMT P.Doukhan、N.Mayo和T.Truquet,《弱依赖性,模型和一些应用》,Metrika 69(2009),199-225·Zbl 1433.60017号
[12] DouTeyWin06 P.Doukhan,G.Teyssi\`ere和P.Winant,A\(LARCH(\infty)\)向量值过程,概率与统计的相关性,统计学课堂讲稿。,2006年第187卷,纽约施普林格,第245-258页·Zbl 1113.60038号
[13] DR81b W.Dunsmuir和P.M。罗宾逊,包含缺失和调幅观测值的时间序列的渐近理论,桑基。A 43(1981),第3期,260-281·Zbl 0531.62079号
[14] DR81a W.Dunsmuir和P.M。罗宾逊,缺失数据下时间序列模型的估计,J.Amer。统计师。协会76(1981),编号375,560-568·Zbl 0471.62089号
[15] Efro-JTSA S.Efromovich,《存在缺失观测值时谱密度的有效非参数估计》,《时间序列分析杂志》35(2014),407-427·Zbl 1311.62054号
[16] 工程82 R.F。Engle,《英国通货膨胀方差估计的自回归条件异方差》,《计量经济学》50,第4期,987-1007·Zbl 0491.62099号
[17] GirRob01 L.Giraitis和P.M。罗宾逊,拱形模型的惠特尔估计,《计量经济学理论》17(1982),第3期,608-631·Zbl 1051.62074号
[18] KNN12熔融指数。奈特,医学硕士。Nunes和G.P。Nason,缺失观测的局部平稳时间序列的谱估计,统计计算。22(2012),第4期,877-895·Zbl 1252.60034号
[19] Lav99 M.Lavielle,因变量序列多重变化的检测,随机过程和应用。83,编号1,79-102·兹比尔0991.62014
[20] Par63 E.Parzenm,《关于缺失观测和振幅调制的频谱分析》,Sankhy=a Ser。A 25(1999),383-392·兹伯利0136.40701
[21] Rio2000 E.Rio,Th’eorie渐近线des processus al-'eatoires faiblement d’ependants,《数学与应用汇编》,第31卷,斯普林格出版社,2000年·Zbl 0944.60008号
[22] Rosenblatt56 M.Rosenblat,中心极限定理和强混合条件,Proc。国家。阿卡德。科学。美国42,43-47·Zbl 0070.13804号
[23] Ros85 M.Rosenblatt,《平稳序列和随机场》,Birkh“auser,纽约,1956年。
[24] Stra05 D.Straumann,《条件异方差时间序列模型中的估计》,《统计学讲义》,第181卷,施普林格-弗拉格出版社,柏林,2005年·Zbl 1086.62103号
[25] W62 P.Whittle,平稳时间序列中的高斯估计,布尔。国际研究所。统计师。39(1962),第2期,第105-129页·Zbl 0116.11403号
[26] YajNis99 Y.Yajima和H.Nishino,具有缺失观测值的平稳时间序列的自相关函数估计,Sankhy=a Ser。A 61(1999),第2期,189-207。\末端biblist·Zbl 0972.62086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。