دانلود کتاب A comparative note about estimation of the fractional parameter under additive outliers – یادداشت مقایسه ای در مورد تخمین پارامتر کسری تحت مقادیر پرت افزایشی

توضیحات

In a recent paper, Fajardo et al. (2009) propose an alternative semiparametric

estimator of the fractional parameter in ARFIMA models which is robust to the

presence of additive outliers. The results are very interesting, however, they use

samples of 300 or 800 observations which are rarely found in macroeconomics or

economics. In order to perform a comparison, I use the procedure to detect for

additive outliers based on the estimator d suggested by Perron and Rodrguez

(2003). Further, I use dummy variables associated to the location of the selected

outliers to estimate the fractional parameter. I found better results for the mean

and bias of this parameter when T = 100 and the results in terms of the standard

deviation and the MSE are very similar. However, for higher sample sizes as 300

or 800, the robust procedure performs better, specially based on the standard

deviation and MSE measures. Empirical applications for seven Latin American

ination series with very small sample sizes contaminated by additive outliers

is discussed. What we nd is that when no correction for additive outliers is

performed, the fractional parameter is underestimated.

Keywords: Additive Outliers, ARFIMA Erros, Ination, Semiparametric estimation. JEL: C2, C3, C5

Resumen

En un artculo reciente, Fajardo et al. (2009) proponen un estimador semiparamtrico alternativo del parmetro fraccional en modelos ARFIMA que es

robusto a la presencia de valores atpicos aditivos. Los resultados son muy interesantes, sin embargo, utilizan muestras de 300 800 observaciones que rara

vez se encuentran en la macroeconoma o la economa. Para realizar una comparacin, yo uso el procedimiento para la deteccin de valores atpicos aditivos

basados en el estimador d propuesto por Perron y Rodrguez (2003). Adems,

utilizo variables cticias asociadas a la ubicacin de los valores atpicos seleccionados para estimar el parmetro fraccional. Los resultados son mejores para

la media y el sesgo de este parmetro cuando T = 100 y los resultados en trminos de la desviacin estndar y el MSE son muy similares. Sin embargo,

para tamaos de muestra ms altos como 300 800, el procedimiento robusto

tiene un mejor rendimiento, especialmente sobre la base de la desviacin estndar y el MSE. Aplicaciones empricas para siete series de inacin de Amrica

Latina, con muy pequeos tamaos de muestras contaminadas por los valores

atpicos aditivos es discutida. Lo que encontramos es que cuando no se realiza

ninguna correccin para los valores atpicos aditivos, se subestima el parmetro

fraccional.

Palabras Claves: Outliers Aditivos, Errores ARFIMA, Inacin, Estimacin

Semiparamtrica. Classicacin JEL: C2, C3, C5

————————————————————–

ترجمه ماشینی :

در مقاله اخیر، فاجاردو و همکاران. (2009) یک برآوردگر نیمه پارامتری جایگزین پارامتر کسری در مدل‌های ARFIMA را پیشنهاد می‌کند که در برابر حضور پرت افزایشی قوی است. نتایج بسیار جالب هستند، با این حال، آنها از نمونه‌هایی از 300 یا 800 مشاهدات استفاده می‌کنند که به ندرت در اقتصاد کلان یا اقتصاد یافت می‌شوند. به منظور انجام مقایسه، من از روشی برای شناسایی مقادیر پرت افزودنی بر اساس برآوردگر d که توسط Perron و Rodrguez (2003) پیشنهاد شده است، استفاده می کنم. علاوه بر این، من از متغیرهای ساختگی مرتبط با مکان انتخاب شده پرت برای تخمین پارامتر کسری استفاده می کنم. من نتایج بهتری برای میانگین و بایاس این پارامتر پیدا کردم وقتی T = 100 و نتایج از نظر انحراف استاندارد و MSE بسیار شبیه هستند. با این حال، برای اندازه های نمونه بالاتر به عنوان 300 یا 800، روش قوی بهتر عمل می کند، به ویژه بر اساس انحراف استاندارد و معیارهای MSE. برنامه‌های کاربردی تجربی برای هفت سری آمریکای لاتین با اندازه‌های نمونه بسیار کوچک آلوده به مقادیر پرت افزودنی مورد بحث قرار می‌گیرد. آنچه ما می دانیم این است که وقتی هیچ اصلاحی برای مقادیر پرت افزودنی انجام نمی شود، پارامتر کسری دست کم گرفته می شود. واژه‌های کلیدی: پرت افزایشی، ARFIMA Erros، Ination، تخمین نیمه پارامتریک. JEL: C2, C3, C5 Resumen En un artculo reciente, Fajardo et al. (2009) پیشنهاد می‌کند که نیمه‌پارامتریکو جایگزین دل‌پارمترو فراکسیون و مدل‌های ARFIMA که es robusto a la presencia de valores atpicos aditivos باشد. Los resultados son muy funs, sin embargo, utilizan muestras de 300 800 observaciones que rara vez se encuentran en la macroeconoma o la economa. برای مقایسه، شما با استفاده از روش‌های مختلف برای شناسایی ارزش‌های آدیتیووس basados en el estimador d propuesto por Perron y Rodrguez (2003). Adems, utilizo variables cticias asociadas a la ubicacin de los valores atpicos seleccionados para estimar el parmetro fraccional. Los resultados son mejores para la media y el sesgo de este parmetro cuando T = 100 y los resultados en trminos de la desviacin estndar y el MSE son muy similares. Sin embargo, para tamaos de muestra ms altos como 300 800, el procedimiento robusto tiene un mejor rendimiento, especialmente sobre la base de la desviacin estndar y el MSE. Aplicaciones empricas para siete series de inacin de Amrica Latina, con muy pequeos tamaos de muestras contaminadas por los valores atpicos aditivos es discutida. Lo que encontramos es que cuando no se realiza ninguna correccin para los valores atpicos aditivos, se subestima el parmetro fraccional. Palabras Claves: Outliers Aditivos، Errores ARFIMA، Inacin، Estimacin Semiparamtrica. Classicacin JEL: C2، C3، C5

tag : دانلود کتاب یادداشت مقایسه ای در مورد تخمین پارامتر کسری تحت مقادیر پرت افزایشی , Download یادداشت مقایسه ای در مورد تخمین پارامتر کسری تحت مقادیر پرت افزایشی , دانلود یادداشت مقایسه ای در مورد تخمین پارامتر کسری تحت مقادیر پرت افزایشی , Download A comparative note about estimation of the fractional parameter under additive outliers Book , یادداشت مقایسه ای در مورد تخمین پارامتر کسری تحت مقادیر پرت افزایشی دانلود , buy یادداشت مقایسه ای در مورد تخمین پارامتر کسری تحت مقادیر پرت افزایشی , خرید کتاب یادداشت مقایسه ای در مورد تخمین پارامتر کسری تحت مقادیر پرت افزایشی , دانلود کتاب A comparative note about estimation of the fractional parameter under additive outliers , کتاب A comparative note about estimation of the fractional parameter under additive outliers , دانلود A comparative note about estimation of the fractional parameter under additive outliers , خرید A comparative note about estimation of the fractional parameter under additive outliers , خرید کتاب A comparative note about estimation of the fractional parameter under additive outliers ,