Spatial extension of generalized autoregressive conditional heteroskedasticity models
Spatial extension of generalized autoregressive conditional heteroskedasticity models
复制标题
广义自回归条件异方差模型的空间扩展
DOI：
10.1080/17421772.2020.1742929
复制
发表时间：
2020
影响因子：
2.3
通讯作者：
Takaki Sato and Yasumasa Matsuda
中科院分区：
文献类型：
--
作者：
Ishizaka Y;Nakagawa S;Otsuka S;Takayuki Ogawa and Jun Sakamoto;阿部修人・稲倉典子;安達啓介;原口健太郎;Takaki Sato and Yasumasa Matsuda
将时间序列的广义自回归条件异方差模型推广到空间数据的广义自回归条件异方差模型，称为空间自回归条件异方差模型(S-GARCH)。将S-GARCH模型表示为空间自回归滑动平均(SAMA)模型，提出了基于拟似然函数的两步参数估计方法。证明了两步估计的相合性和渐近正态。将S-GARCH模型应用于东京地区的模拟数据和地价数据，以验证其经验性质。
This paper proposes an extension of generalized autoregressive conditional heteroskedasticity (GARCH) models for a time series to those for spatial data, which are called here spatial GARCH (S-GARCH) models. S-GARCH models are re-expressed as spatial autoregressive moving-average (SARMA) models and a two-step procedure based on quasi-likelihood functions is proposed to estimate the parameters. The consistency and asymptotic normality are proven for the two-step estimators. S-GARCH models are applied to simulated and land-price data in areas of Tokyo to demonstrate the empirical properties.
登录
查看更多内容
晶格数据的空间随机波动性
DOI：
10.1198/108571107x178068
发表时间：
2007
期刊：
影响因子：
--
作者：
Jun Yan
通讯作者：
Jun Yan
具有移动平均扰动的空间自回归模型的 GMM 估计
DOI：
10.2139/ssrn.2257110
发表时间：
2013
期刊：
Econometrics: Econometric Model Construction
影响因子：
--
作者：
Suleyman Taspinar
通讯作者：
Suleyman Taspinar
影响因子：
1.9
作者：
Kelejian, HH;Prucha, IR
通讯作者：
Prucha, IR
空间自回归模型的异方差一致协方差矩阵估计器
影响因子：
2.3
作者：
Suleyman Taspinar;Osman Doğan;Anil K. Bera
通讯作者：
Anil K. Bera
DOI：
10.1080/07474938.2013.807102
发表时间：
2012
期刊：
影响因子：
--
作者：
M. Caporin;P. Paruolo
通讯作者：
P. Paruolo