The asymptomatic refinement of the Linear Model with Non-Scalar Error Covariance Matrix
Φόρτωση...
Ημερομηνία
Συγγραφείς
Papachristodoulou, Theodosia
Παπαχριστόδουλου, Θεοδοσία
Τίτλος Εφημερίδας
Περιοδικό ISSN
Τίτλος τόμου
Εκδότης
Πανεπιστήμιο Ιωαννίνων. Σχολή Οικονομικών και Διοικητικών Επιστημών. Τμήμα Οικονομικών Επιστημών
Περίληψη
Τύπος
Είδος δημοσίευσης σε συνέδριο
Είδος περιοδικού
Είδος εκπαιδευτικού υλικού
Όνομα συνεδρίου
Όνομα περιοδικού
Όνομα βιβλίου
Σειρά βιβλίου
Έκδοση βιβλίου
Συμπληρωματικός/δευτερεύων τίτλος
Περιγραφή
In the linear regression model with non-scalar error covariance matrix, Refined Generalised Least Squares (RGL) estimators are developed, with better small-sample properties compared to the feasible FGL estimators. The RGL estimator of a structural parameter approximates the benchmark GLS estimator better than the corresponding FGL estimator. The RGL estimator has better bias, variance, and mean square error, in small samples, compared to the corresponding FGL estimator. The RGL estimator results in small-sample size corrected t and F econometric tests. The RGL size corrections and the corresponding Edgeworth and Cornish-Fisher size corrections, used for the t and F tests based on the FGL estimator, are second-order equivalent. For all these theoretical reasons, we suggest the use of the RGL estimator instead of the FGL estimator. In the linear regression model with AR(1) random errors, the RGL size corrected t and F tests are preferable for large absolute values of the autocorrelation coefficient, while the corresponding FGL size corrected econometric tests are preferable for small and intermediate absolute values of the autocorrelation coefficient. In practice, since the true autocorrelation coefficient is unknown, the researchers' choice of suitable estimation and testing techniques is based on the estimated autocorrelation coefficient. Although the Edgeworth, Cornish-Fisher, and RGL size corrections have an error of the same order of magnitude, the corresponding t and F size corrected tests may differ considerably in small samples. Given that these three size corrections can be compared only by means of simulation experiments, there is no guarantee that the simulation results hold in every practical situation. For this reason, in each particular problem, the researcher should apply both the FGL and RGL estimators, and all three small-sample size corrections, to decide the most suitable one.
Περιγραφή
Λέξεις-κλειδιά
Refined asymptotics, Edgeworth corrected critical values, Cornish-Fisher corrected test statistics, Locally exact distributions
Θεματική κατηγορία
Θεωρητική Οικονομετρία, Theoretical Econometrics
Παραπομπή
Σύνδεσμος
Γλώσσα
en
Εκδίδον τμήμα/τομέας
Πανεπιστήμιο Ιωαννίνων. Σχολή Οικονομικών και Διοικητικών Επιστημών. Τμήμα Οικονομικών Επιστημών
Όνομα επιβλέποντος
Symeonides, Spyridon
Εξεταστική επιτροπή
Arvanitis, Stilianos
Αρβανίτης, Στυλιανός
Bechlioulis, Alexandros
Μπεχλιούλης, Αλέξανρος
Karagiannis, Anastassios
Καραγιάννης, Αναστάσιος
Karpetis, Christos
Καρπέτης, Χρήστος
Salamaliki, Paraskevi
Σαλαμαλίκη, Παρασκευή
Simos, Theodoros
Σίμος, Θεόδωρος
Symeonides, Spyridon
Συμεωνίδης, Σπυρίδων
Αρβανίτης, Στυλιανός
Bechlioulis, Alexandros
Μπεχλιούλης, Αλέξανρος
Karagiannis, Anastassios
Καραγιάννης, Αναστάσιος
Karpetis, Christos
Καρπέτης, Χρήστος
Salamaliki, Paraskevi
Σαλαμαλίκη, Παρασκευή
Simos, Theodoros
Σίμος, Θεόδωρος
Symeonides, Spyridon
Συμεωνίδης, Σπυρίδων
Γενική Περιγραφή / Σχόλια
Ίδρυμα και Σχολή/Τμήμα του υποβάλλοντος
Πανεπιστήμιο Ιωαννίνων. Σχολή Οικονομικών και Διοικητικών Επιστημών
Πίνακας περιεχομένων
Χορηγός
Βιβλιογραφική αναφορά
Ονόματα συντελεστών
Αριθμός σελίδων
288
Λεπτομέρειες μαθήματος
Συλλογές
item.page.endorsement
item.page.review
item.page.supplemented
item.page.referenced
Άδεια Creative Commons
Άδεια χρήσης της εγγραφής: CC0 1.0 Universal