Mudança Média Polinomial Ma Must Be Invertible

O procedimento UCM A declaração IRREGULAR inclui um componente irregular no modelo. Pode haver no máximo uma declaração IRREGULAR na especificação do modelo. O componente irregular corresponde ao erro aleatório geral no modelo. Por padrão, o componente irregular é modelado como noisethat branco, como uma seqüência de variáveis ​​aleatórias gaussianas independentes, idênticamente distribuídas, zero-médias. No entanto, você também pode modelá-lo como um processo de média móvel autorregressiva (ARMA). As opções para especificar um modelo ARMA para o componente irregular são fornecidas em uma subseção separada: Especificação ARMA. As opções nesta declaração permitem que você especifique o modelo para o componente irregular e apresente suas estimativas. Dois exemplos da declaração IRREGULAR são apresentados a seguir. No primeiro exemplo, a declaração está na sua forma mais simples, resultando na inclusão de um componente irregular que é ruído branco com variância desconhecida: a seguinte declaração fornece um valor inicial para a variação do ruído branco a ser usado no processo de estimação de parâmetros não-lineares. Também solicita a impressão de estimativas suavizadas de. Os irregulares suavizados são úteis em diagnósticos de modelos. PLOTFILTER PLOTSMOOTH PLOT (ltFILTER ltSMOOTH) solicita o planejamento da estimativa filtrada ou suavizada do componente irregular. PRINTFILTER PRINTSMOOTH PRINT (ltFILTER ltSMOOTH) solicita a impressão da estimativa filtrada ou suavizada do componente irregular. Especifica um valor inicial durante o processo de estimação de parâmetros. Qualquer valor não negativo, incluindo zero, é um valor inicial aceitável. Para alguns coeficientes e uma sequência de ruído branco. O processo ARMA é estacionário e invertible se os polinômios de definição e têm todas as suas raízes fora do círculo da unidade que é, seus valores absolutos são estritamente maiores do que 1,0. Supõe-se que o modelo ARMA especificado para o componente irregular é estacionário e inversível, isto é, os coeficientes dos polinômios e são restritos de modo que as condições de estacionaridade e inversão sejam satisfeitas. Os coeficientes desconhecidos desses polinômios se tornam parte do vetor de parâmetros do modelo que é estimado usando os dados. A notação para uma classe de modelos intimamente relacionada, modelos de média móvel integrada autorregressiva (ARIMA), também é fornecida aqui. É dito que uma sequência aleatória segue um modelo ARIMA (p, d, q) (P, D, Q) se, para alguns inteiros não negativos e. A série diferenciada segue um modelo ARMA (p, q) (P, Q). Os números inteiros e são chamados de ordens de diferenciação não sazonal e sazonal, respectivamente. Você pode especificar modelos ARIMA usando a instrução DEPLAG para especificar as ordens de diferenciação e usando a instrução IRREGULAR para a especificação ARMA. Consulte o Exemplo 35.8 para obter um exemplo de especificação do modelo ARIMA (0,1,1) (0,1,1). Brockwell e Davis (1991) podem ser consultados para obter informações adicionais sobre os modelos ARIMA. Você pode usar as opções da declaração IRREGULAR para especificar o modelo ARMA desejado e solicitar a saída impressa e gráfica. Alguns exemplos da declaração IRREGULAR são apresentados a seguir. A seguinte declaração especifica um componente irregular que é modelado como um processo ARMA (1,1). Ele também solicita o planejamento de sua estimativa suavizada. A seguinte declaração especifica um modelo ARMA (1,1) (1,1). Ele também conserta o coeficiente do polinômio de média móvel sazonal de primeiro ordem para 0,1. Os outros coeficientes e a variação do ruído branco são estimados usando os dados. Lista os valores iniciais dos coeficientes do polinômio autoregressivo não-sazonal onde a ordem é especificada na opção P. Os coeficientes devem definir um polinômio autoregressivo estacionário. Lista os valores iniciais dos coeficientes do polinômio de média móvel não sazonal em que a ordem é especificada na opção Q. Os coeficientes devem definir um polinômio de média móvel reversível. NOEST (ltVARIANCE ltAR ltSAR ltMA ltSMA) corrige os valores dos parâmetros ARMA e o valor da variância do ruído branco para os especificados no AR. SAR. MA. SMA. Ou VARIANCE opções. Especifica a ordem do polinômio autoregressivo não-sazonal. A ordem pode ser qualquer número inteiro não negativo, o valor padrão é 0. Na prática, a ordem é um inteiro pequeno, como 1, 2 ou 3. especifica a ordem do polinômio de média móvel não sazonal. A ordem pode ser qualquer número inteiro não negativo, o valor padrão é 0. Na prática, a ordem é um inteiro pequeno, como 1, 2 ou 3. especifica o comprimento da estação usado durante a especificação do polinômio temporário sazonal ou vertical sazonal. O comprimento da estação pode ser qualquer inteiro positivo, por exemplo, S4 pode ser um valor apropriado para uma série trimestral. O valor padrão é S1. Lista os valores iniciais dos coeficientes do polinômio autoregressivo sazonal onde a ordem é especificada na opção SP e o comprimento da temporada é especificado na opção S. Os coeficientes devem definir um polinômio autoregressivo estacionário. Lista os valores iniciais dos coeficientes do polinômio da média móvel sazonal onde a ordem é especificada na opção SQ e o comprimento da temporada é especificado na opção S. Os coeficientes devem definir um polinômio de média móvel reversível. Especifica a ordem do polinômio autoregressivo sazonal. A ordem pode ser qualquer inteiro não negativo, o valor padrão é 0. Na prática, a ordem é um inteiro pequeno, como 1 ou 2. Especifica a ordem do polinômio da média móvel sazonal. A ordem pode ser qualquer número inteiro não negativo, o valor padrão é 0. Na prática, a ordem é um inteiro pequeno, como 1 ou 2.Estimação de um processo de média móvel não-reversível O caso da superdifferência Charles I. Plosser Graduate School of Business, Stanford Universidade de Rochester, EUA 14627, EUA Disponível on-line 1 de março de 2002. O efeito de diferenciar todas as variáveis ​​em uma equação de regressão especificamente especificada é examinado. O uso excessivo da transformação de diferença induz um processo de média móvel não-reversível (MA) nos distúrbios da regressão transformada. As técnicas de Monte Carlo são usadas para examinar os efeitos da sobredifferência na eficiência das estimativas dos parâmetros de regressão, inferências baseadas nessas estimativas e testes de sobredifferencação com base no estimador do parâmetro MA para os distúrbios da regressão de diferenças. No geral, o problema da sobredifferência não é grave se se prestar atenção cuidadosa às propriedades dos distúrbios das equações de regressão. Gostaríamos de agradecer os valiosos comentários de John Abowd, Mukhtar Ali, Kenneth Gaver, Martin Geisel, Charles Nelson, David Pierce, Harry Roberts, Christopher Sims, William Wecker e Arnold Zellner, apesar de sermos responsáveis ​​por erros remanescentes. A participação de Plossers nessa pesquisa foi parcialmente apoiada pela National Science Foundation Grant SOC 7305547 e a H. G.B. Fundação Alexander na Universidade de Chicago. Uma versão anterior deste artigo foi apresentada antes da Sociedade Econométrica em setembro de 1976 em Atlantic City, Nova Jersey. Copyright 1977 Publicado por Elsevier B. V. Citar artigos ()