Estimación e Inferencia para el Modelo de Umbral con Regresores Híbridos Estocásticos de Raíz Local Unitaria
Autores: Chen, Chaoyi; Stengos, Thanasis
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Estimación e Inferencia para el Modelo de Umbral con Regresores Híbridos Estocásticos de Raíz Local Unitaria
Categoría
Gestión y administración
Subcategoría
Gestión de recursos
Palabras clave
Modelo de umbral
Regresores híbridos locales de raíz estocástica
Estimador
Regresores no estacionarios
Teoría de la distribución límite
Simulaciones de Monte Carlo
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 26
Citaciones: Sin citaciones
En este artículo, estudiamos la estimación y la inferencia del modelo de umbral con regresores híbridos de raíz estocástica local. Nuestra principal contribución es proponer un estimador que generaliza el modelo de umbral con varias formas de regresores no estacionarios y obtener su teoría de distribución límite. En particular, nuestro modelo propuesto generaliza el modelo de umbral con raíz unitaria, local a la unidad y regresores de raíz estocástica. Proporcionamos la estrategia de estimación para el estimador de mínimos cuadrados y derivamos los resultados asintóticos para el estimador propuesto. Dependiendo de la tasa de disminución del efecto umbral, encontramos que la distribución límite del estimador de umbral toma diferentes formas. Se utilizan simulaciones de Monte Carlo para evaluar el rendimiento en muestras finitas de nuestro estimador propuesto, que se encuentra que tiene un buen desempeño.
Descripción
En este artículo, estudiamos la estimación y la inferencia del modelo de umbral con regresores híbridos de raíz estocástica local. Nuestra principal contribución es proponer un estimador que generaliza el modelo de umbral con varias formas de regresores no estacionarios y obtener su teoría de distribución límite. En particular, nuestro modelo propuesto generaliza el modelo de umbral con raíz unitaria, local a la unidad y regresores de raíz estocástica. Proporcionamos la estrategia de estimación para el estimador de mínimos cuadrados y derivamos los resultados asintóticos para el estimador propuesto. Dependiendo de la tasa de disminución del efecto umbral, encontramos que la distribución límite del estimador de umbral toma diferentes formas. Se utilizan simulaciones de Monte Carlo para evaluar el rendimiento en muestras finitas de nuestro estimador propuesto, que se encuentra que tiene un buen desempeño.