协整回归的模型选择一致性
统计方法学
2011-10-11 v3 统计计算
机器学习
摘要
我们研究了在所有协变量均为弱外生变量的情况下，自适应Lasso在协整回归中的渐近性质。我们假设候选I(1)变量的数量相对于样本量是次线性的（但可能更大），而候选I(0)变量的数量相对于样本量是多项式的。我们证明，在协整分析中使用的经典条件下，该估计量渐近地选择模型中正确的变量子集，且其渐近分布与事先已知模型中变量时的OLS估计的分布相同（oracle性质）。我们还推导了一种基于局部二次近似的算法，并给出了数值研究以表明该方法在有限样本中的适用性。
引用
@article{arxiv.1104.5667,
title = {Model Selection Consistency for Cointegrating Regressions},
author = {Eduardo F. Mendes},
journal= {arXiv preprint arXiv:1104.5667},
year = {2011}
}