BazEkon - The Main Library of the Cracow University of Economics

BazEkon home page

Main menu

Author
Kozarski Robert
Title
Metody bootstrapowe w analizie szeregów czasowych
Source
Roczniki Kolegium Analiz Ekonomicznych / Szkoła Główna Handlowa, 2004, nr 13, s. 199-213, bibliogr 17 poz.
Issue title
Metody badań procesów społeczno-ekonomicznych
Keyword
Szeregi czasowe, Metody samowsporne, Algorytmy
Time-series, Bootstrap, Algorithms
Note
streszcz.
Abstract
Głównym celem opracowania jest przedstawienie w zarysie wykorzystania metod bootstrapowych w aspekcie analizy szeregów czasowych. Klasyczne podejście bootstrapowe, bazujące na niezależnej próbie losowej, nie znajduje zastosowania dla szeregów czasowych, gdyż tego typu dane są często procesami autoregresyjnymi, czyli poszczególne realizacje w próbie tracą własność UD i zastosowany algorytm musi naśladować proces generujący dany szereg (Data Genereting Process). Przedstawiono algorytmy block bootstrap, sieve bootstrap, wild bootstrap, recursive bootstrap oraz stationary bootstrap. Metody wielokrotnego losowania, których szczególnym przypadkiem jest bootstrap, znajdują zastosowanie m.in. w badaniu jakości oszacowań parametrów charakteryzujących dane i weryfikacji hipotez statystycznych. W opracowaniu przedstawiono w zarysie metody bootstrapowe służące do oceny jakości oszacowań parametrów charakteryzujących szeregi czasowe oraz wyznaczania nieznanego rozkładu statystyk w testach na istnienie pierwiastka jednostkowego (unit root tests). Praca ma charakter przeglądowy i nie zaprezentowano w niej wyników empirycznych. (abstrakt oryginalny)
Accessibility
The Main Library of the Cracow University of Economics
The Library of Warsaw School of Economics
The Library of University of Economics in Katowice
The Main Library of Poznań University of Economics and Business
The Main Library of the Wroclaw University of Economics
Bibliography
Show
  1. Andersson M. (1998), On the Effect of Imposing or Ignoring Long Memory when Forecasting, Working Paper Series in Economics nad Finance no. 225. Stockholm School of Economics.
  2. Buhlmann P. (2002), Bootstraps for Time Series, Statistical Science Vol. 17 No. 1.
  3. Davidson R., Flachaire E. (2001), The Wild Bootstrap, Tamed at Last, Working Paper 11/01.
  4. Davidson R., MacKinnon J. G. (1999), The Size Distortion of Bootstrap Tests, Econometric Theory 15, str. 361-376.
  5. Domański Cz. Pruska K. (2000), Nieklasyczne metody statystyczne, PWE Warszawa.
  6. Efron B. (1979), Bootstrap methods: another look at the jackknife, Annals of Statistics No. 7 str. 1-26.
  7. Efron. B., Tibshiriani R. J. (1993), The Introduction to the Bootstrap, Chapman & Hall New York.
  8. Gredenhoff M. (1998), Bootstrap Inference in Time Series Econometrics, A Dissertation for Degree of Doctor of Philosophy in Econometrics, Stochholm School of Economics.
  9. Gujarati D. N. (2003), Basic Econometrics, Fourth Edition, McGrow Hill.
  10. Hall P. (1992), The Bootstrap and Edgeworth Expansion, New York, Springer- Verlag.
  11. Hall P. (1994) Handbook of Econometrics, Volume IV, Elsevier Science B.V, rozdział 39.
  12. Maddala G. S., Kim I. M.(1997), Unit Root, Cointegration, Structural Changes, Oxford University Press.
  13. Maharaj E. A. (1999), A Test for Difference Parameter of the ARFIMA Model Using the Moving Blocks Bootstrap, Working Paper 11/99, Monash University.
  14. Swensen A.R. (1999), Bootstrapping Unit Roots for Integrated Process, Journal of Time Series Analysis Vol. 24. No.l.
  15. Syczewska E. M. (2002), Analiza relacji długookresowych: estymacja i weryfikacja SGH, Warszawa.
  16. Welfe A. (2003), Ekonometria, PWN Warszawa.
  17. Zeliaś A., Pawełek B., Wanat S. (2003), Prognozowanie ekonomiczne, PWN Warszawa.
Cited by
Show
ISSN
1232-4671
Language
pol
Share on Facebook Share on Twitter Share on Google+ Share on Pinterest Share on LinkedIn Wyślij znajomemu