具有独立的和的SVARMA模型的辨识与估计 非高斯输入

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

摘要翻译：
本文分析了结构向量自回归滑动平均(SVARMA)模型在独立和非高斯冲击驱动下的可辨识性。众所周知，高斯误差驱动的SVARMA模型在不对参数施加进一步识别限制的情况下是无法识别的。即使在简化形式下，假设稳定和可逆，向量自回归滑动平均模型通常不要求某些参数矩阵是非奇异的。激波的独立性和非高斯性被用来表明它们被识别到排列和标度。通过这种方式，通常施加的标识限制是可测试的。在此基础上，我们给出了非高斯SVARMA模型的一个极大似然估计，该估计是一致且渐近正态分布的。
---
英文标题：
《Identification and Estimation of SVARMA models with Independent and
  Non-Gaussian Inputs》
---
作者：
Bernd Funovits
---
最新提交年份：
2019
---
分类信息：

一级分类：Economics        经济学
二级分类：Econometrics        计量经济学
分类描述：Econometric Theory, Micro-Econometrics, Macro-Econometrics, Empirical Content of Economic Relations discovered via New Methods, Methodological Aspects of the Application of Statistical Inference to Economic Data.
计量经济学理论，微观计量经济学，宏观计量经济学，通过新方法发现的经济关系的实证内容，统计推论应用于经济数据的方法论方面。
--

---
英文摘要：
  This paper analyzes identifiability properties of structural vector autoregressive moving average (SVARMA) models driven by independent and non-Gaussian shocks. It is well known, that SVARMA models driven by Gaussian errors are not identified without imposing further identifying restrictions on the parameters. Even in reduced form and assuming stability and invertibility, vector autoregressive moving average models are in general not identified without requiring certain parameter matrices to be non-singular. Independence and non-Gaussianity of the shocks is used to show that they are identified up to permutations and scalings. In this way, typically imposed identifying restrictions are made testable. Furthermore, we introduce a maximum-likelihood estimator of the non-Gaussian SVARMA model which is consistent and asymptotically normally distributed.
---
PDF链接：
https://arxiv.org/pdf/1910.04087

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：arma模型 VARMA SVAR MA模型 ARMA without 标度 向量 non 结构