Jackknife estimation with a unit root
Jackknife estimation with a unit root
复制标题
DOI：
10.1016/j.spl.2013.03.016
复制
发表时间：
2013-07-01
影响因子：
0.8
通讯作者：
Kyriacou, Maria
中科院分区：
文献类型：
--
作者：
Chambers, Marcus J.;Kyriacou, Maria
研究了具有单位根的一阶自回归模型中的刀切估计。非重叠子样本估计具有不同的极限分布，因此刀切法不能完全消除一阶偏差。因此，我们推导出明确的极限分布的分子和分母来计算的期望，确定最佳刀切权重。仿真结果表明，由此产生的刀切估计产生的偏差和RMSE显着减少。(c)2013爱思唯尔有限公司版权所有。
We study jackknife estimators in a first-order autoregression with a unit root. Non-overlapping sub-sample estimators have different limit distributions, so the jackknife does not fully eliminate first-order bias. We therefore derive explicit limit distributions of the numerator and denominator to calculate the expectations that determine optimal jackknife weights. Simulations show that the resulting jackknife estimator produces substantial reductions in bias and RMSE. (c) 2013 Elsevier B.V. All rights reserved.