VAR最適子模型之選取準則

VAR Model Selection by Some Restriction Methods

洪宏霖(Hung-Lin Hung)

指導教授 ： 徐南蓉

國立清華大學/理學院/統計學研究所/碩士(2006年)

摘要

在描述多變量時間序列資料的變動性上，多變量自我迴歸模型是文獻上被廣泛使用的方法之一，而常見之配適模型方法為AIC或BIC準則。這兩種準則雖然能夠容易的選取模式，但因為受到不顯著異於零的參數影響而導致參數估計不準確或預測誤差偏大。本研究即利用Lütkepohl（1991）提出之Top-Down準則和Bottom-Up準則及Tibshirani（1996）提出之「Least absolute shrinkage and selection operator」方法來縮減這些不顯著異於零的參數，而在不同情況下比較這些方法是否能更為準確的估計參數或降低預測誤差。

關鍵字

多變量自我迴歸模型 ； AIC ； BIC ； Top-Down ； Bottom-Up ； LASSO

參考文獻

Akaike, H. (1974). A New Look at the Statistical Model Identification, IEEE Transcation on Automatic Control, AC-19, 716-723.

Akaike, H. (1978). A Bayesian Analysis of the Minimum AIC Procedure, Annals of the Institute of Statistical Mathematics, 30A, 9-14.

Breiman, L. (1993). Better Subset Selection Using the Non-negative Garotte, Technical Report, University of California, Berkeley.

Efron, B., Hastie, T., Johnstone, I., Tibshirani, R. (2004). Least Angle Regression, Annals of Statistics 32, 407-499.

Enders, W. (1995). Applied Econometric Time Series, John Wiley & Sons, New York.