Bootstrap for correcting the mean square error of prediction and smoothed estimates in structural models

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.