Use este identificador para citar ou linkar para este item:
http://hdl.handle.net/1843/73929
Tipo: | Artigo de Periódico |
Título: | Bootstrap for correcting the mean square error of prediction and smoothed estimates in structural models |
Título(s) alternativo(s): | Bootstrap para correção do erro quadrático médio de previsão e estimativas suavizadas em modelos estruturais |
Autor(es): | Thiago Rezende dos Santos Glaura da Conceição Franco |
Resumo: | It is well known that the uncertainty in the estimation of parameters produces the underestimation of the mean square error (MSE) both for in-sample and out-of-sample estimation. In the state space framework, this problem can affect confidence intervals for smoothed estimates and forecasts, which are generally built by state vector predictors that use estimated model parameters. In order to correct this problem, this paper proposes and compares parametric and nonparametric bootstrap methods based on procedures usually employed to calculate the MSE in the context of forecasting and smoothing in state space models. The comparisons are performed through an extensive Monte Carlo study which illustrates, empirically, the bias reduction in the estimation of MSE for prediction and smoothed estimates using the bootstrap approaches. The finite sample properties of the bootstrap procedures are analyzed for Gaussian and non-Gaussian assumptions of the error term. The procedures are also applied to real time series, leading to satisfactory results. |
Abstract: | É sabido que a incerteza na estimativa dos parâmetros produz a subestimação do erro quadrático médio (MSE) tanto para estimativa dentro e fora da amostra. Na estrutura do espaço de estados, isso O problema pode afetar os intervalos de confiança para estimativas e previsões suavizadas, que geralmente são construídas por preditores de vetores de estado que usam estimativas. parâmetros do modelo. Para corrigir esse problema, este artigo propõe e compara métodos de bootstrap paramétricos e não paramétricos com base em procedimentos normalmente empregados para calcular o MSE no contexto de previsão e suavização em modelos de espaço de estado. As comparações são realizadas através de um extenso estudo de Monte Carlo que ilustra, empiricamente, a redução do viés na estimativa do MSE para previsão e estimativas suavizadas usando o bootstrap se aproxima. As propriedades de amostra finita dos procedimentos de bootstrap são analisadas para suposições gaussianas e não gaussianas do erro prazo. Os procedimentos também são aplicados a séries temporais reais, levando a resultados satisfatórios. |
Assunto: | Framework (Programa de computador) Computação, Matemática |
Idioma: | eng |
País: | Brasil |
Editor: | Universidade Federal de Minas Gerais |
Sigla da Instituição: | UFMG |
Departamento: | ICX - DEPARTAMENTO DE ESTATÍSTICA |
Tipo de Acesso: | Acesso Aberto |
Identificador DOI: | https://doi.org/10.1214/17-BJPS381 |
URI: | http://hdl.handle.net/1843/73929 |
Data do documento: | 2019 |
metadata.dc.url.externa: | https://projecteuclid.org/journals/brazilian-journal-of-probability-and-statistics/volume-33/issue-1/Bootstrap-for-correcting-the-mean-square-error-of-prediction-and/10.1214/17-BJPS381.full |
metadata.dc.relation.ispartof: | Brazilian Journal of Probability and Statistics |
Aparece nas coleções: | Artigo de Periódico |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Bootstrap for correcting the mean square error.pdfA.pdf | 194.74 kB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.