Estimation of TAR Models when the Noise Process Follows a t Distribution
Cargando...
Fecha
Autores
Director
Enlace al recurso
https://revistas.usantotomas.edu.co/index.php/estadistica/article/view/56
10.15332/s2027-3355.2011.0002.02
10.15332/s2027-3355.2011.0002.02
DOI
ORCID
Google Scholar
Cvlac
gruplac
Descripción Dominio:
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Santo Tomás
Compartir
Descripción
In this paper, TAR models with t noise is considered. A Bayesian procedure for estimation is developed when the model has been identified, that is, the structural parameters have been estimated. The method consists in finding the conditional posterior densities and use the Gibbs sampler. Simulated example shows that this methodology leads good estimates of the parameters.
En este artículo se consideran los modelos TAR cuando el proceso de ruido sigue una distribución t. Se desarrolla un procedimiento bayesiano para la estimación de estos modelos cuando el modelo está identificado, es decir, cuando se conocen los parámetros estructurales. El método consiste en encontrar las densidades condicionales a posteriori de los parámetros e implementar un muestreador de Gibbs. Mediante un ejemplo simulado se encuentra que con esta metodología se logran buenas estimaciones de los parámetros.
En este artículo se consideran los modelos TAR cuando el proceso de ruido sigue una distribución t. Se desarrolla un procedimiento bayesiano para la estimación de estos modelos cuando el modelo está identificado, es decir, cuando se conocen los parámetros estructurales. El método consiste en encontrar las densidades condicionales a posteriori de los parámetros e implementar un muestreador de Gibbs. Mediante un ejemplo simulado se encuentra que con esta metodología se logran buenas estimaciones de los parámetros.
Abstract
Idioma
Palabras clave
modelos TAR, ruido t, estimación bayesiana, muestreador de Gibbs