The GLS Transformation Matrix and a Semi-recursive Estimator for the Linear Regression Model with ARMA Errors
The GLS Transformation Matrix and a Semi-recursive Estimator for the Linear Regression Model with ARMA Errors
复制标题
具有 ARMA 误差的线性回归模型的 GLS 变换矩阵和半递归估计器
DOI：
10.1017/s0266466600010756
复制
发表时间：
1992
影响因子：
0.8
通讯作者：
Victoria Zinde
中科院分区：
文献类型：
--
作者：
John W. Galbraith;Victoria Zinde
对于一般平稳阿尔马（p，q）过程u，我们导出了正交化矩阵R的精确形式，使得R′R = E（uu′），其中E（uu′）是u的协方差矩阵，推广了AR（p）过程的已知公式.在具有阿尔马（p，q）误差过程的线性回归模型中，通过R变换数据产生具有白噪声误差的回归模型。我们还考虑了半递归（递归的模型参数，但不是误差过程的参数）估计的应用。
For a general stationary ARMA(p,q) process u we derive the exact form of the orthogonalizing matrix R such that R′R = Σ−1, where Σ = E(uu′) is the covariance matrix of u, generalizing the known formulae for AR(p) processes. In a linear regression model with an ARMA(p,q) error process, transforming the data by R yields a regression model with white-noise errors. We also consider an application to semi-recursive (being recursive for the model parameters, but not for the parameters of the error process) estimation.