Rozważ model AR ( ) (zakładając zero dla uproszczenia):
Oszacowano, że estymator OLS (równoważny estymatorowi warunkowego maksymalnego prawdopodobieństwa) dla jest tendencyjny, jak zauważono w ostatnim wątku .
(Co ciekawe, nie mogę znaleźć nastawienie mowa w Hamilton „Analiza szeregów czasowych” , ani w kilku innych podręczników szeregów czasowych. Jednakże, można je znaleźć w różnych notatek i artykułów naukowych, np ten ).
Nie byłem w stanie dowiedzieć się, czy dokładny estymator maksymalnego prawdopodobieństwa AR ( ) jest stronniczy, czy nie; stąd moje pierwsze pytanie.
- Pytanie 1: Czy dokładne oszacowanie maksymalnego prawdopodobieństwa parametrów autoregresyjnych modelu AR ( ) tendencyjne? (Załóżmy, że proces AR ( ) jest stacjonarny. W przeciwnym razie estymator nie jest nawet spójny, ponieważ jest ograniczony w obszarze stacjonarnym; patrz np. Hamilton „Analiza szeregów czasowych” , s. 123.)
Również,
- Pytanie 2: Czy są jakieś rozsądnie proste obiektywne estymatory?
time-series
maximum-likelihood
autoregressive
unbiased-estimator
Richard Hardy
źródło
źródło
Odpowiedzi:
To oczywiście nie jest rygorystyczna odpowiedź na twoje pytanie 1, ale skoro zadałeś pytanie w ogóle, dowody na kontrprzykład już wskazują, że odpowiedź jest przecząca.
Oto małe badanie symulacyjne wykorzystujące dokładne oszacowanie ML od,
arima0
aby argumentować, że istnieje co najmniej jeden przypadek, w którym występuje błąd systematyczny:źródło
Zdarza mi się czytać tę samą książkę, którą czytasz i znalazłem odpowiedź na oba pytania.
Bias autoregresji jest wspomniany w książce na stronie 215.
W książce wspomniano również o sposobie korygowania błędu systematycznego na stronie 223. Sposób postępowania polega na iteracyjnym podejściu dwuetapowym.
Mam nadzieję że to pomoże.
źródło