二元 L 矩的 Copula 表示：多参数二维 Copula 模型的一种新估计方法
统计方法学
2011-06-20 v2 统计计算
摘要
最近，Serfling 和 Xiao (2007) 将 L 矩理论 (Hosking, 1990) 推广到了多元情形。在本文中，我们聚焦于二维随机向量，以建立二元 L 矩 (BLM) 与底层二元 copula 函数之间的联系。这一联系为二元统计数据的相依参数提供了一种新的估计。我们建立了所提估计量的一致性和渐近正态性。通过广泛的模拟研究，比较了基于 BLM、最大似然、最小距离以及秩近似 Z 估计的估计量。所得结果表明，当样本量增大时，基于 BLM 的估计在偏差和计算时间方面表现更优。此外，其均方根误差 (RMSE) 相当合理，且通常比上述方法对离群值更不敏感。进一步，我们期望 BLM 方法是估计多参数 copula 模型的一种易于使用的工具。
引用
@article{arxiv.1106.2887,
title = {Copula representation of bivariate L-moments : A new estimation method for multiparameter 2-dimentional copula models},
author = {Brahim Brahimi and Fateh Chebana and Abdelhakim Necir},
journal= {arXiv preprint arXiv:1106.2887},
year = {2011}
}