受扰动长记忆随机场的BNLP回归估计
2021-12-20王婧
哈尔滨商业大学学报(自然科学版) 2021年6期
王 婧
(天津工业大学 数学科学学院,天津 300387)
在随机过程中,为了获得记忆参数来解释数据中的长征相依性,人们提出了很多方法来解决参数估计问题,尤其在一维时间序列和二维随机场的背景下讨论最多.然而,二维随机场的记忆参数估计问题由于其所具有的种种复杂性,其方法论发展远没有时间序列的方法论发展的快.
长记忆随机场的模型有很多种[1],最常见的模型之一是各向异性的,即在不同方向上的记忆参数不相同.在各向异性随机场的记忆参数估计问题上,Boissy 等人[2]和 Guo 等人[3]研究了平稳各向异性随机场记忆参数的 Whittle 估计方法;Ghodsi 和 Shitan[4-5]讨论了分数求和可分离空间 ARMA (FISSARMA) 模型的对数周期图回归 (GPH) 估计量;Beran 等人[6]则采用了相同的模型,考虑了基于近似最小二乘的参数估计方法.这其中最经典的莫过于由一维时间序列推广到二维随机场得到的 GPH 估计方法,该方法最先是由 Geweke 和 Porter-Hudak 在无噪声扰动的时间序列参数估计中提出来的[7].
Ghodsi 和 Shitan 的工作[5],虽然把 GPH 方法应用到了随机场中,但他们没有考虑噪声,也没有考虑估计量偏差的缩减.然而,在时间序列记忆参数估计的相关工作中,Sun 和 Phillips,以及 Arteche 在估计程序中加入了噪声项,对其扰动做出了响应[8-9];Andrews 和 Guggenberger 则在 GPH 估计程序中增添了额外的回归项用以缩减估计量的偏差[10],都在一定程度上提高了时间序列记忆参数估计的准确性.
因此,为了进一步拓展随机场中记忆参数估计方法的应用范围,并提升估计准确性……
登录APP查看全文