Convergence rates of empirical block length selectors for block bootstrap
Convergence rates of empirical block length selectors for block bootstrap
复制标题
块引导的经验块长度选择器的收敛率
DOI：
--
复制
发表时间：
2014
期刊：
影响因子：
--
通讯作者：
S. Lahiri
中科院分区：
文献类型：
--
作者：
D. Nordman;S. Lahiri
我们研究了两种一般非参数方法的准确性，用于估计时间序列块自举的最佳块长度-第一种是在Hall，Horowitz和Jing（Biometrika 82（1995）561-574）的开创性论文中提出的，第二种是Lahiri等人（Stat.美沙酮4（2007）292-321）。这些一般方法的相对性能一直是未知的，并提供一个比较，我们专注于这些块长度选择器的收敛速度的移动块引导（MBB）下的平滑函数模型的方差估计问题。结果表明，在适当选择调节参数的情况下，第一种方法的最优收敛速度为O_p（n^{-1/6}），其中n表示样本容量。第二种方法的最优收敛速度，具有相同数目的调整参数，被证明是$O_p（n^{-2/7}）$，这表明第二种方法通常可能有更好的大样本性质的块自助应用程序中的块选择超出方差估计.我们还比较了这两个一般的方法与其他插件的方法，专门设计用于块选择方差估计，其中最好的可能的收敛速度被证明是O_p（n^{-1/3}），并实现了从Politis和白色（计量经济学评论23（2004）53-70）的方法。
We investigate the accuracy of two general non-parametric methods for estimating optimal block lengths for block bootstraps with time series - the first proposed in the seminal paper of Hall, Horowitz and Jing (Biometrika 82 (1995) 561-574) and the second from Lahiri et al. (Stat. Methodol. 4 (2007) 292-321). The relative performances of these general methods have been unknown and, to provide a comparison, we focus on rates of convergence for these block length selectors for the moving block bootstrap (MBB) with variance estimation problems under the smooth function model. It is shown that, with suitable choice of tuning parameters, the optimal convergence rate of the first method is $O_p(n^{-1/6})$ where $n$ denotes the sample size. The optimal convergence rate of the second method, with the same number of tuning parameters, is shown to be $O_p(n^{-2/7})$, suggesting that the second method may generally have better large-sample properties for block selection in block bootstrap applications beyond variance estimation. We also compare the two general methods with other plug-in methods specifically designed for block selection in variance estimation, where the best possible convergence rate is shown to be $O_p(n^{-1/3})$ and achieved by a method from Politis and White (Econometric Rev. 23 (2004) 53-70).