具有长记忆的平稳时间序列模型的 conditional-sum-of-squares 估计
统计理论
2007-06-13 v1 统计理论
摘要
利用 Robinson（2005）的近期结果，我们考虑具有长记忆的平稳时间序列参数模型的 conditional-sum-of-squares（CSS）估计的渐近性质。CSS 估计一直被视为高斯最大似然与 Whittle 估计时间序列模型的竞争者。后两类估计在长记忆情形下已被严格证明为渐近正态分布。然而，在相同条件下应具有相同渐近分布性质的 CSS 估计未得到可类比的处理：CSS 估计中固有的无限自回归表示的截断在渐近正态性证明中实质上被忽略。与短记忆模型不同，证明截断影响可忽略并非易事。
引用
@article{arxiv.math/0702782,
title = {Conditional-sum-of-squares estimation of models for stationary time series with long memory},
author = {P. M. Robinson},
journal= {arXiv preprint arXiv:math/0702782},
year = {2007}
}
备注
Published at http://dx.doi.org/10.1214/074921706000000996 in the IMS Lecture Notes Monograph Series (http://www.imstat.org/publications/lecnotes.htm) by the Institute of Mathematical Statistics (http://www.imstat.org)