Publication: Estimación recursiva de modelos lineales con restricciones entre los parámetros
Loading...
Files
Official URL
Full text at PDC
Publication Date
1993
Advisors (or tutors)
Editors
Journal Title
Journal ISSN
Volume Title
Publisher
Facultad de Ciencias Económicas y Empresariales. Decanato
Citations
Exportar
Abstract
En este artículo se demuestra que la estimación recursiva de un modelo de regresión con restricciones lineales puede llevarse aplicando el estimador estándar (por mínimos cuadrados recursivos) a partir de unas condiciones iniciales adecuadas. Las ventajas de este método con respecto a su alternativa (filtros de dimensión reducida) consisten en que 1) el mismo algoritmo puede utilizarse para estimar modelos con y sin restricciones y 2) la contrastación del cumplimiento de dichas restricciones puede llevarse a cabo recursivamente. Los desarrollos teóricos se complementan con un ejemplo, en el que se muestra cómo la aplicación de las técnicas de estimación recursiva proporciona una información valiosa acerca, de la estabilidad de los parámetros y del efecto de cada observación sobre las correspondientes estimaciones.
In this paper we show that reeursive estimates of a linearly constrained model parameters can be obtained by initializing adequately the standard method (reeursive least squares). The advantage of this approach with regard to it alternative (reduced-dimension filters) are 1) the same algorithm can be used for estimating constrained and unconstrained models and 2) it allows a recursive constraint testing. The theoretical analysis is completed with an example, which shows how the reeursive estimation provides useful insights about the parameter stability and the effeet of each observation over the estimates.
In this paper we show that reeursive estimates of a linearly constrained model parameters can be obtained by initializing adequately the standard method (reeursive least squares). The advantage of this approach with regard to it alternative (reduced-dimension filters) are 1) the same algorithm can be used for estimating constrained and unconstrained models and 2) it allows a recursive constraint testing. The theoretical analysis is completed with an example, which shows how the reeursive estimation provides useful insights about the parameter stability and the effeet of each observation over the estimates.
Description
UCM subjects
Unesco subjects
Keywords
Citation
Aitchison, J. y S.D. Silvey (1958). "Maximun-likelihood estimation of parameters subject to restraints". Annals of Mathematical Statistics, 29, pág. 813-828.
Anderson, B.D.O. y J.B. Moore (1979). Optimal filtering. Prentice-all, Inc., Englewood Cliffs, New Jersey.
Bierman, G.J. (1977). Factorization methods for discrete sequential estimation. Mathematics in Science and Engineering, vol. 128. Academic Press, Inc.
Brow, R.L., T. Durbin y J.M. Evans (1975). "Techniques for testing the constancy of regression re1ations over time" (with discussion). Journal of the Royal Statistical Sociery B, 37, pág. 149-192.
Davidson, J., D. Hendry, F. Sraba y J. Yeo (1978). "Econometric modelling of the aggregate time series relationships between consumers expenditure and income in the U.K." Economic Journal.
Dufour, J-M. (1982). "Recursive stability analysis of linear regression relationships (an exploratory methodology)". Journal of Econometrics, 19, pág. 31-76.
Edwards, S. (1983). "Floating Exchange Rates in Less-Developed Countries. A Monetary Analysis of the Peruvian Experience, 1950-54". Journal of Money, Credit and Banking, vol. 15, nº 1, pág. 73-81.
Kalaba, R. Y N. Rasakhoo (1986). "AIgorithms for generalized inverses". Journal of Optimization Theory and Applications, 48, pág. 427-435.
Leybourne, S.J. (1993). "Estimation and Testing of Time-varying Coefficient Regression Models in the Presence of Linear Restrictions". Journal of Forecasting, vo1.12, pág. 49-62.
Lott, W.F. y S.C. Ray (1992). Applied Econometrics: Problems with Data Sets. The Dryden Press. San Diego: Harcourt Brace Jovanovich, Inc.
Sotoca, S. (1993). "El problema de las condiciones iniciales en los algoritmos de estimación recursiva de modelos lineales". Estadística Española, vol. 35, nº 132, pág. 89-115.
Young, P. (1984). Recursive estimation and time-series analysis. An introduction. Springer-Verlag. Heidelberg.