خرید و دانلود نسخه کامل کتاب A comparative note about estimation of the fractional parameter under additive outliers

توضیحاتی در مورد کتاب

در مقاله اخیر، فاجاردو و همکاران. (2009) یک نیمه پارامتریک جایگزین پارامتر کسری در مدل‌های ARFIMA را پیشنهاد می‌کند که در برابر وجود مقادیر پرت افزایشی قوی است. نتایج بسیار جالب هستند، با این حال، از نمونه‌هایی از 300 یا 800 مشاهدات استفاده می‌کنند که به ندرت در اقتصاد کلان یا اقتصاد کلان یافت می‌شوند. به منظور انجام مقایسه، من از روشی برای تشخیص مقادیر پرت افزودنی بر اساس برآوردگر d که توسط Perron و RodrÌguez
(2003) پیشنهاد شده است استفاده می کنم. علاوه بر این، من از متغیرهای ساختگی مرتبط با مکان انتخاب‌شده
برای تخمین پارامتر کسری استفاده می‌کنم. من نتایج بهتری را برای میانگین
و بایاس این پارامتر زمانی که T = 100 و نتایج از نظر استاندارد
viation و MSE بسیار مشابه هستند پیدا کردم. با این حال، برای اندازه‌های نمونه بالاتر به عنوان 300r یا 800، رویه قوی بهتر عمل می‌کند، به‌ویژه بر اساس استاندارد
viation و معیارهای MSE. کاربردهای تجربی برای هفت سری آمریکای لاتین با اندازه‌های نمونه بسیار کوچک آلوده به موارد پرت افزودنی مورد بحث قرار گرفت. آنچه ما می دانیم این است که وقتی هیچ اصلاحی برای مقادیر پرت افزایشی
انجام نمی شود، پارامتر کسری کمتر برآورد می شود. JEL: C2, C3, C5
Resumen
En un artÌculo reciente, Fajardo et al. (2009) پیشنهاد می‌کند که نیم‌پارام‌تریکو جایگزین دل‌پار·مترو فراکسیون و مدل‌های ARFIMA که es
روبوستو a la presencia de valores atÌpicos aditivos باشد. Los resultados son muy funs, sin embargo, utilizan muestras de 300 Û 800 observaciones que rara
vez se encuentran en la macroeconomÌa o la economÌa. Para realizar una comparaciÛn، yo uso el procedimiento para la detecciÛn de valores atÌpicos aditivos
basados ​​en el estimador d propuesto por Perron y RodrÌguez (2003). Adem·s,
utilizo متغیرهای Öcticias asociadas a la ubicaciÛn de los valores atÌpicos seleccionados para estimar el par·metro fraccional. Los resultados son mejores para
la media y el sesgo de este par·metro cuando T = 100 y los resultados en tÈrminos de la desviaciÛn est·ndar y el MSE son muy similares. Sin embargo,
para tamaÒos de muestra m·s altos como 300 Û 800, el procedimiento robusto
tiene un mejor rendimiento, especialmente sobre la base de la desviaciÛn est·ndar y el MSE. Aplicaciones empÌricas para siete series de ináaciÛn de AmÈrica
لاتین، con muy pequeÒos tamaÒos de muestras contaminadas por los valores
atÌpicos aditivos es discutida. Lo que encontramos es que cuando no se realiza
ninguna correcciÛn para los valores atÌpicos aditivos, se subestima el par·metro
fraccional.
Palabras Claves: Outliers Aditivos, Errores ARFIMA, InáastiÈSÌaciÛn . ClassiÖcaciÛn JEL: C2، C3، C5