книги / Статистический анализ временных рядов
..pdf324 |
СЕРИАЛЬНАЯ КОРРЕЛЯЦИЯ |
Гл. 6. |
С ледствие 6.5.3. Характеристические корни матрицы А/, по лучаемой из матрицы Ai, указанной в (62), по формулам (16) и (17), равны cos njs/(T + 1), s = 1, ..., Т. Соответствующие им харак теристические векторы имеют вид (69).
С ледствие 6.5.4. Матрица |
А/ из следствия 6.5.3 |
приводится |
|||||||||
к диагональному виду с помощью матрицы |
|
|
|
||||||||
|
sin |
t |
я |
1 |
sin |
2JT |
1 |
• • • |
sin ■ |
Гя |
1 |
|
|
+ |
T |
+ |
|
Т |
+ |
||||
|
sin |
Т |
2л |
1 |
sin |
4я |
1 |
• • • |
sin ■ |
2Гя |
|
<*» V |
т т г |
+ |
Т |
+ |
|
Т |
+ 1 |
||||
|
|
|
|
|
|
|
|
|
|
||
|
sin |
Т |
Т п |
1 |
sin- |
2Гя |
1 |
• *• |
sin ■ |
Г2я |
|
|
|
+ |
t |
+ |
|
Т |
+ 1 |
Применение преобразования с этой ортогональной матрицей при
водит квадратичную форму |
Q/ к |
виду |
|
|
т |
|
|
(71) |
Q/ = 2 cos' г + |
1 |
i = o , i , . . . , p . |
Следует отметить, что здесь корни для Т = Т* соответствуют корням из предыдущего случая для' Т = Т* + 1, за исключением того, что опускается корень 1 (соответствующий характеристиче скому вектору с равными компонентами). Однако характеристиче ские векторы будут уже другими. Ортогональная матрица (70) сим метрична.
6.5.5. Модели с двойными корнями
В 6.7 мы будем изучать распределения сериальных корреля ций. В случае независимости (ух = ... = ур = 0) мы найдем, что, если характеристические корни числителя квадратичной формы об разуют пары, за исключением, быть может, одного простого корня, распределение сериальной корреляции может быть выражено явно в относительно простом виде. Например, таким случаем будет цикли ческая модель для четного Т и / = 1. В моделях двух других типов корни для / = 1 не образуют пар и распределение величины гх не выражается в явном виде для произвольных значений Т.
Ватсон и Дурбин (1951) предложили выбирать матрицу Ах таким образом, чтобы корни образовывали пары. Этого можно добиться, взяв матрицу Ах в виде
326 |
|
|
СЕРИАЛЬНАЯ КОРРЕЛЯЦИЯ |
|
|
|
|
|
Гл. 6. |
|||
нормальной плотности будет умноженное на —-1/ 2 |
выражение |
|||||||||||
(2) |
7о(У — М ' Ао (У — Ц£) + |
••• + УР(У — И ' Ар (у — ре) =• |
||||||||||
|
= ToQo + |
• • ■ + |
VpQp — 2ц (Vo«'A0y + |
• • • |
+ |
YpS'Apy) + |
|
|||||
|
|
|
|
|
+ pV (y0A0 + |
• • • |
+ ТрАр) е. |
|||||
Отсюда следует, что достаточным множеством статистик для |
пара |
|||||||||||
метров у0, |
|
ур и ц служит совокупность статистик |
Q0, ..., |
Qp и |
||||||||
е'А0у, |
е'Ару. Если при этом вектор е является |
характеристиче |
||||||||||
ским вектором матриц А/, соответствующим |
характеристическому |
|||||||||||
корню К/, |
] = |
0 , 1, |
р, то (2 ) записывается в виде |
|
|
|
||||||
(3) |
VoQo + |
• • • + |
VpQp— 2ц (YO«'A0 + |
• • • |
+ |
Трв'Ар) у + |
|
|||||
|
|
|
|
|
+ Р2 (Yo£'A0e + |
• • • |
+ уре'Аре) = |
|||||
|
|
= YoQo + |
• • • + |
VpQp — 2р (у<Ло + |
• • • |
+ |
YPV |
е'У + |
||||
|
|
|
|
|
-f р2 (Y(AO + |
• • • + |
Y/AP) T> |
так что достаточное множество статистик для параметров у0, ..., ур и
р в этом случае будут образовывать статистики Q0, ..., |
Qp и у — |
|
= е'у/Т. |
Эквивалентным ему достаточным множеством |
статистик |
является |
совокупность статистик Qo> •••. Q P и */> где |
|
(4)Q/ = (у — уе)' А/ (у — уе) = у'А/У — ТХ,у2.
Если же в не является характеристическим вектором матриц А/, / — 0 , 1, ..., р, то минимальное достаточное множество статистик для указанных параметров будет состоять из Q0, ..., Qp и линейно независимого подмножества (не обязательно собственного) статистик е'А0у, ..., е'Ару.
Например, в циклическом случае
г
(5) |
Ql = |
2 y ,y t-\ |
+ УтУ\. — Т у 2. |
|
|
|
/=2 |
|
|
В модели, |
основанной на последовательных разностях, |
|||
(6 ) |
Q: = i |
ytyt-x + |
- ^ у\ + |
\ ут- т |
|
t = 2 |
|
Z |
Z |
В третьей из рассматривавшихся моделей вектор е не является ха
рактеристическим вектором матрицы Ах и поэтому для Q\ нельзя получить выражение (4). В случаях моделей, основывающихся на
использовании матрицы Ai в блочной матрице, положение будет следующим. Для четного Т вектор е (размерности Т) будет харак теристическим вектором матрицы Ax, если вектор е (размерности
772) является характеристическим вектором матрицы Аь Для не четного Т вектор е (размерности Т) будет характеристическим век
б.б. |
СЛУЧАИ, КОГДА СРЕДНИЕ ЗНАЧЕНИЯ НЕИЗВЕСТНЫ |
327 |
тором |
матрицы А, если вектор г (размерности (Т — i)/2) |
является |
характеристическим вектором матрицы А,*, соответствующим харак
теристическому корню, равному нулю. |
(Заметим, что (Т + 1)/2-я |
|
компонента вектора А ^ |
должна быть |
равна нулю.) |
В оставшейся части |
разд. 6.6.1 будем предполагать, что г яв |
ляется характеристическим вектором матрицы А/, соответствующим
характеристическому корню Я/, |
/ = 0 , |
1, |
..., |
р. При этом е будет |
|||||
также характеристическим вектором |
матрицы |
р |
соответ- |
||||||
2т/А /, |
|||||||||
|
|
|
|
|
р |
|
/ - 0 |
|
|
ствующим |
характеристическому |
|
|
Оценка |
наимень- |
||||
корню 2 |
тА/- |
||||||||
|
— |
|
|
|
/-о |
|
|
|
|
|
|
|
|
|
т |
(У* — m)2) |
является |
||
ших квадратов у для р (минимизирующая |
2 |
||||||||
|
|
|
|
|
|
м |
|
|
|
марковской оценкой (см. § 2.4), |
т. е. у — наилучшая линейная не |
||||||||
смещенная |
оценка |
(х. |
|
|
|
|
|
|
|
Т е о р е м а |
6 . 6 . 1 . |
Если г |
является характеристическим вектором |
||||||
матрицы А/, / = 0, 1, ..., |
р, то распределения |
среднего у и вектора |
|||||||
остатков у — уг независимы. |
|
|
|
|
|
|
|||
Д о к а з а т е л ь с т в о . |
Поскольку |
у и компоненты |
вектора |
остатков |
у — уг состоят и з линейных комбинаций компонент вектора у, имею
щего нормальное распределение, то у и у — уг будут иметь совмест ное (сингулярное) нормальное распределение. Ковариационная мат-
рица 2 |
р |
вектора у находится из соотношения 2 = 2 УA h Ввиду |
|
|
/- о |
того что |
|
(7) |
%у (у — уг) = %[(у — Ц£) — (у — (х) е] (у — ц) = |
= 8 |
~f~ (у — И8) (у — И '8 — 8 -f% 8' (У — И8) (У — У*)' 8] = |
=Бе — е -уг- е'Бе =
~ Т ~ ( д 7'^') е — е Г2 (Д |
) т = °* |
среднее у не коррелировано с компонентами вектора у — уг и по этому не зависит от у — уг. в
С л е д с т в и е 6.6.1. Совместное распределение квадратичных форм Qo, ...» Q*P от остатков и распределение среднего у независимы.
Выводы относительно равномерно наиболее мощных критериев в § 6.3 и относительно процедур со многими решениями в § 6.4 могут
6.6. СЛУЧАИ, КОГДА СРЕДНИЕ ЗНАЧЕНИЯ НЕИЗВЕСТНЫ 329
Она может быть выписана только для тех наборов Qo, ..., QLJ . при
которых &*i (Qo. •••. Qi-1) > 0 и, значит, при которых т* (Qo, ...
..., Q*_i; у,-) > 0 . Мы можем воспользоваться теперь фундаменталь ной леммой Неймана — Пирсона.
Т е о р е м а 6.6.2. Наилучший подобный критерий для проверки ну
левой гипотезы yt = у*1’ |
против альтернатив у,- = у|-2) •< |
уров |
|
нем значимости е, |
имеет критическую область |
|
|
(14) |
Q*>Ci(Q0, •••. Q/—i; У*1’), |
|
|
где с* (Qo, ..., Q,*_i; |
yi1’) |
определяется таким образом, ЩШ§& ве |
роятность события (14), вычисляемая согласно плотности (13), при
Ъ |
= у?> была равна е;. |
|
|
|
|
|
|
Т е о р е м а 6.6.3. Равномерно наиболее мощный подобный критерий |
|||||
для проверки нулевой гипотезы yt = у*1’ |
против |
альтернатив |
у{ < |
|||
< |
у*.1’ |
с уровнем значимости |
имеет критическую область |
(14), |
||
где с* |
(Qo, ..., Q*_i; у(1/) определяется |
таким |
образом, чтобы ве |
роятность события (14), вычисляемая согласно плотности (13), при
уi = |
у<*> была равна е(. |
|
|
|
|
С л е д с т в и е 6.6.2. Равномерно наиболее мощный подобный |
крите |
||||
рий |
для проверки нулевой гипотезы у{ — 0 против |
альтернатив |
|||
yt < |
0 с уровнем значимости е(- |
имеет критическую область |
|||
(15) |
|
$ > «(< & , |
. . . . Q/-1), |
|
|
где с* (Qo, ..., Q*-i) |
определяется таким образом, |
чтобы |
инте |
||
грал от плотности |
|
|
|
|
|
(16) |
Ы (Qi | Qo. |
• • •, Qi-1 0 ) |
k\ (Qp, ... , Q-) |
|
|
|
|
|
C (Qo- • • •. Qi-1)
no множеству (15) был равен e(.
Наилучший критерий против |
альтернативы у{ = у<2>>■ у;1' |
|||
будет иметь критическую область |
|
|
||
(17) |
Qi<c'{ (Qo, . . . . |
QLI; |
у!1’)- |
|
Т е о р е м а |
6 . 6 . 4 . Равномерно наиболее мощный несмещенный крите |
|||
рий для проверки нулевой гипотезы |
у(. = у*1’ против альтернатив |
|||
Ъ Ф # с |
уровнем значимости е, |
имеет |
критическую область |
|
(18) |
Qi > CiJi (Qo, •••, |
Qi- ь |
у!1*), |
|
Q i< cLl(Ql . . . . |
Qi_i; |
уГ’), |
||
|
330 СЕРИАЛЬНАЯ КОРРЕЛЯЦИЯ Гл. 6.
где сц; (Qo...... Q/-i; Yi1*) |
и сц (Qo. |
Q,*_i; |
vl1*) |
определяются так, |
||||
что |
|
|
|
|
|
|
|
|
|
eUt (<?0....Qi - |
|
|
|
|
|
|
|
(19) |
|
I |
hi (Qi \Qo, |
., Q,‘_i; |
у?'*) dQ* = |
l — e. |
||
и |
1 |
- c |
V?') |
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
cUt (<?0' - ■Cr v!'>. |
|
|
|
|
||
(2 0 ) |
|
J |
|
a x (Q: |
To, . . . . |
Q U |
Y/ 0 ) dQl = |
|
|
|
- ■«;_i= |
»!"> |
|
|
|
|
|
|
|
|
= |
( i - e , ) j |
Q>*(Q; IQO, |
. . . . |
YI”) яь*. |
Следствие 6.6.3. Равномерно наиболее мощный несмещенный кри терий для проверки нулевой гипотезы = 0 против альтернатив Y, ф 0 с уровнем значимости е, имеет критическую область
Q; > ^ , ( Q;, . . . . Q U .
(21) |
|
Qt 'С |
{Qo, ' • ‘ , |
Qt—0* |
|
|
||
|
|
|
|
|||||
где сц. (Ql...... Q*_i) и Сц (Qo, |
..., |
Qt-t) |
определяются соотношени |
|||||
ями |
|
|
|
|
|
|
|
|
|
....fy—1> |
|
|
|
|
|
|
|
(22) |
|
k\ (QQ............ Q]) |
dQ] = l - e , |
|
||||
|
|
|
|
|
|
|||
|
CL/%....1> |
ki—i (Qo. • • • >Q/_i) |
|
|
||||
|
|
|
|
|
|
|
|
|
|
cU j <<?0......Ql — 1> |
kt (QQ..........Q,) |
|
|
||||
(23) |
. j |
. « |
<*Q; = |
|
||||
^i—i (Qo* |
• • • >Q/—i) |
|
||||||
|
|
|
||||||
|
CLi (Q0....1> |
|
|
|
|
|
|
|
|
|
= |
(1 - |
e,) |
j |
k'l |
(QQ, . . . . |
Q,) |
|
|
Q; |
(Qo- • • •. |
Qj-i) |
||||
|
|
|
|
|
|
C . |
||
Если условная |
плотность для Q, при заданных значениях Qo, ... |
..., |
Q*_i симметрична, когда у, = 0 , соотношение (23) будет выпол |
нено для |
|
(24) |
(-Li (Qo, • • •, Qt—i)---- cVl (Qo, ..., Qf—j), |
6.6. |
СЛУЧАИ, КОГДА СРЕДНИЕ ЗНАЧЕНИЯ НЕИЗВЕСТНЫ |
331 |
||||||
поскольку обе части (23) при этом равны нулю. Соотношение |
(2 2 ) |
|||||||
примет в этом случае вид |
|
|
|
|
|
|
||
(25) |
|
№ .........H O j- |
|
i_ |
Br |
|
||
|
S |
C l |
(QS.........C l) |
|
2 |
|
||
|
сц. (Q0, |
|
|
|
|
|
|
|
Следует отметить, что условное распределение для Q* при задан |
||||||||
ных значениях Qo, ...» |
Q*-i не зависит от |
значений |
параметров |
|||||
Vo»-*» Yt-ь Поэтому можно приписать им любые |
удобные значения, |
|||||||
например положить у0 |
= 1, Vi =••• |
= Y*-i |
= О* |
т |
|
|||
Как |
правило, Qo |
будет |
равно |
т |
|
__ |
|
|
2 {Ut — У)2 = |
2 Уt — Ту2. |
|||||||
Отношение (для Я,- = |
1) |
|
|
|
|
|
|
|
|
т |
|
|
|
т |
4? |
—т ? |
|
|
2 |
a s ? (0S — У) (y t — |
У) |
2 |
|
|||
(26) |
s , t — 1 |
|
|
s,/= 1________________ |
|
|||
|
Г |
|
|
|
|
|
|
|
|
|
— i')2 |
|
|
|
|
|
|
|
|
2 |
|
/=1 |
|
|
||
|
|
t=1 |
|
|
|
|
можно рассматривать как сериальный коэффициент корреляции.
Если уо > 0. a Vi = ... = у, = 0, то совместное распределение величин г\.......г\ не зависит от у0 и Qo. (См. теорему 6 .7.2 .) Опти мальные критерии (15) и (21) можно тогда определить, используя
условное распределение г\ при заданных значениях г*, ..., /y*_i. Теоремы § 6.4 относительно оптимальных процедур со мно гими решениями могут быть подобным же образом перефразированы
в терминах Qo, ..., Qp, на случай когда %yt = р, а е является ха рактеристическим вектором матриц А0, ..., Ар.
6 .6 .2 . Некоторые функции регрессии
При изучении случая ненулевых средних можно рассматривать средние и более общего вида. Предположим, что
т
(27) |
% = 2 |
«vVv |
|
|
|
|
V=1 |
|
|
|
|
где Vx, ..., vr — характеристические |
векторы, |
|
|
||
(28) |
A,v, = K,tvt, t = 1, |
... , |
Т, j = 0, |
1, |
р, |
a si> •••* sm — некоторое подмножество значений |
1, ..., Т. Векторы |
||||
vlf .... Vr ортогональны: v<vs = 6 *s. |
Показатель |
экспоненты соот |
ветствующей нормальной плотности равен тогда —1/2 , умноженной
332 |
|
|
|
|
СЕРИАЛЬНАЯ КОРРЕЛЯЦИЯ |
|
|
Гл. 6. |
||||||
на |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(29) |
2 |
Y/(У — 2 |
avVsv)' А, (у — 2 |
«vVsv |
|
|
|
|
||||||
|
/= о |
\ |
|
v=i |
|
/ |
|
\ |
v=i |
p m |
|
|
|
|
|
р |
|
|
|
p m |
|
|
|
|
|
|
|
||
= |
2 |
Т/У'А/У — 2 2 |
2 |
?А/Ча*y'v,v + 2 2 |
T/^/sv«vVsvv,v. |
|
||||||||
|
/=0 |
|
|
|
/=0 v=l |
|
|
/=0 v=l |
|
|
|
|
||
Таким образом, |
Q0, |
|
Qp и y'vSl, |
y'vSm образуют |
достаточное |
|||||||||
множество статистик для |
параметров у0, • ••> Vp и а х.......ат . Экви |
|||||||||||||
валентным ему достаточным множеством статистик будет |
|
|||||||||||||
|
|
т |
л |
\ |
# |
/ |
|
т |
^ \ |
|
т |
|
|
|
|
(у — 2 |
«vVsJ |
А/ |
у — 2 |
OvVSv |
= у'А,у — 2 |
^/sva^Vs vs , |
|
||||||
|
|
V=1 |
|
/ |
|
\ |
|
v=l |
/ |
|
v=l |
|
|
|
и |
|
|
|
|
|
|
|
|
|
|
/ == 0 , |
1у • • • У/7у |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(31) |
|
|
|
(Ху — |
|
V |
|
V = |
1, |
т. |
|
|
|
|
|
|
|
|
|
|
V«V |
|
|
|
|
|
|
|
|
Заметим, что оценки наименьших квадратов |
(31) |
параметров |
av, |
|||||||||||
v = 1.......т, |
|
получаемые |
минимизацией |
^у — 2 |
( «vVSvj |
X |
||||||||
X (у — 2 a vvsA также являются марковскими, т. е. |
наилучшими |
\V—1 /
линейными несмещенными оценками, поскольку vSv— характеристи-
ческие векторы |
р |
|
|
|
2 У/А/. (См. § 2.4.) |
|
|
|
|
В качестве |
примера рассмотрим |
матрицы |
А0 = I, Аь |
..., Ар |
из циклической |
модели разд. 6.5.2. |
Характеристические |
корни |
|
матрицы А,- равны cos 2nsj/T, s = 1....... Т. |
Соответствующие ха |
рактеристические векторы имеют в качестве t-x компонент величины
cos 2ns(/7, Hsin 2nst/T дляя = 1....... |
(Т — 2)/2, если Т четное, или |
|||
s — 1, .... (Т — 1)/2, если Т нечетное. |
Характеристический вектор |
|||
(1,1, ..., 1)' соответствует корню 1 |
= |
cos 2nTj/T. Если Т |
четное, |
|
то имеется еще характеристический вектор |
(—1 ,1 ....... 1)', |
соответ |
||
ствующий корню (—l)/ =cos2п~-ТЦ Т. |
Эти характеристические |
векторы образуют последовательности, которые были использованы при рассмотрении периодических трендов в гл. 4. Предположим, что
(32) %yt = = а 0 + 2 (а К ) cos — ^ t + р (vft) sin /)
где vl t ..., v, составляют подмножество множества целых чисел 1, ...
... , (Т — 2)/2, если Т четное, или 1,..., (Т — 1)/2 , если Т нечетное.