分数积分过程筛法自助法的高阶改进
统计方法学
2016-03-08 v1
摘要
本文研究了长记忆分数积分过程情形下基于自助法的推断准确性。该重抽样方法基于半参数筛法，其中用于生成自助抽样的过程动态由自回归近似捕捉。我们还探讨了将筛法应用于经长记忆参数半参数估计预过滤的数据。利用 Edgeworth 展开，展示了这两种重抽样形式所带来的高阶改进，其适用范围涵盖包括一阶和二阶矩、离散傅里叶变换及回归系数在内的广泛统计量类别。随后，将这些方法应用于实验环境中估计样本均值和选定样本自相关系数的抽样分布问题。就样本均值而言，展示了自助法的预过滤版本避免了原始筛法在有限样本中表现出的对均值抽样方差的明显低估，尽管后者具有高阶准确性。预过滤还在复现样本自相关系数抽样分布的准确性方面产生了增益，特别是在渐近正态性不成立的参数空间部分。最重要的是，研究表明筛法自助法能够复现自相关系数抽样分布的（经验上不可行的）Edgeworth 展开，适用于该展开有效的参数空间部分。
引用
@article{arxiv.1311.0096,
title = {Higher-Order Improvements of the Sieve Bootstrap for Fractionally Integrated Processes},
author = {D. S. Poskitt and Simone D. Grose and Gael M. Martin},
journal= {arXiv preprint arXiv:1311.0096},
year = {2016}
}