Bandwith selection in kernel smoothing of the nonparametric part in a partial linear model with autoregressive errors.

Aneiros Pérez, Germán. "Selección de la ventana en suavización tipo núcleo de la parte no paramétrica de un modelo parcialmente lineal con errores autorregresivos.." Qüestiió 24.2 (2000): 267-291. <http://eudml.org/doc/40307>.

@article{AneirosPérez2000,
abstract = {Supongamos que yi = ζiT β + m(ti) + εi, i = 1, ..., n, donde el vector (p x 1) β y la función m(·) son desconocidos, y los errores εi provienen de un proceso autorregresivo de orden uno (AR(1)) estacionario. Discutimos aquí el problema de la selección del parámetro ventana de un estimador tipo núcleo de la función m(·) basado en un estimador Generalizado de Mínimos Cuadrados de β. Obtenemos la expresión asintótica de una ventana óptima y proponemos un método para estimarla, de modo que dé lugar a un estimador óptimo de m(·). Los resultados obtenidos generalizan aquellos obtenidos por Quintela (1994b) en regresión no paramétrica.},
author = {Aneiros Pérez, Germán},
journal = {Qüestiió},
keywords = {Estimación no paramétrica; Modelo lineal; Series temporales; partial linear models; kernel smoothing; bandwidth selection; times series},
language = {spa},
number = {2},
pages = {267-291},
title = {Selección de la ventana en suavización tipo núcleo de la parte no paramétrica de un modelo parcialmente lineal con errores autorregresivos.},
url = {http://eudml.org/doc/40307},
volume = {24},
year = {2000},
}

TY - JOUR
AU - Aneiros Pérez, Germán
TI - Selección de la ventana en suavización tipo núcleo de la parte no paramétrica de un modelo parcialmente lineal con errores autorregresivos.
JO - Qüestiió
PY - 2000
VL - 24
IS - 2
SP - 267
EP - 291
AB - Supongamos que yi = ζiT β + m(ti) + εi, i = 1, ..., n, donde el vector (p x 1) β y la función m(·) son desconocidos, y los errores εi provienen de un proceso autorregresivo de orden uno (AR(1)) estacionario. Discutimos aquí el problema de la selección del parámetro ventana de un estimador tipo núcleo de la función m(·) basado en un estimador Generalizado de Mínimos Cuadrados de β. Obtenemos la expresión asintótica de una ventana óptima y proponemos un método para estimarla, de modo que dé lugar a un estimador óptimo de m(·). Los resultados obtenidos generalizan aquellos obtenidos por Quintela (1994b) en regresión no paramétrica.
LA - spa
KW - Estimación no paramétrica; Modelo lineal; Series temporales; partial linear models; kernel smoothing; bandwidth selection; times series
UR - http://eudml.org/doc/40307
ER -