Estimation when a parameter is on a boundary
Estimation when a parameter is on a boundary
复制标题
DOI：
10.1111/1468-0262.00082
复制
发表时间：
1999-11-01
期刊：
影响因子：
6.1
通讯作者：
Andrews, DWK
中科院分区：
文献类型：
--
作者：
Andrews, DWK
当真参数落在参数空间的边界上时，本文建立了极值估计量的渐近分布。边界可以是线性的、弯曲的和/或扭结的。通常，渐近分布是没有随机趋势的模型中的多元正态分布的函数，以及具有随机趋势的模型中的多元布朗运动的函数。这些结果适用于各种各样的估计和模型，本文所处理的例子是：（i）某些系数方差等于零的随机系数回归模型的拟ML估计和（ii）在参数空间边界上具有单位根和时间趋势参数的增广Dickey-Fuller回归的LS估计。
This paper establishes the asymptotic distribution of an extremum estimator when the true parameter lies on the boundary of the parameter space. The boundary may be linear, curved, and/or kinked. Typically the asymptotic distribution is a function of a multivariate normal distribution in models without stochastic trends and a function of a multivariate Brownian motion in models with stochastic trends. The results apply to a wide variety of estimators and models.Examples treated in the paper are: (i) quasi-ML estimation of a random coefficients regression model with some coefficient variances equal to zero and (ii) LS estimation of an augmented Dickey-Fuller regression with unit root and time trend parameters on the boundary of the parameter space.