Empirical distribution function under heteroscedasticity
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F11%3A00365534" target="_blank" >RIV/67985556:_____/11:00365534 - isvavai.cz</a>
Nalezeny alternativní kódy
RIV/00216208:11230/11:10100301
Výsledek na webu
<a href="http://dx.doi.org/10.1080/02331881003768891" target="_blank" >http://dx.doi.org/10.1080/02331881003768891</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1080/02331881003768891" target="_blank" >10.1080/02331881003768891</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Empirical distribution function under heteroscedasticity
Popis výsledku v původním jazyce
Neglecting heteroscedasticity of error terms may imply a wrong identification of regression. Employment of (heteroscedasticity resistent) White?s estimator of covariance matrix of estimates of regression coefficients may lead to the correct decision about significance of individual explanatory variables under heteroscedasticity. However, White?s estimator of covariance matrix was established for LS-regression analysis (in the case when error terms are normally distributed, LS- and ML-analysis coincide and hence then White?s estimate of covariance matrix is available for ML-regression analysis, too). To establish White?s-type estimate for another estimator of regression coefficients requires Bahadur representation of the estimator in question, under heteroscedasticity of error terms. The derivation of Bahadur representation for other (robust) estimators requires some tools.
Název v anglickém jazyce
Empirical distribution function under heteroscedasticity
Popis výsledku anglicky
Neglecting heteroscedasticity of error terms may imply a wrong identification of regression. Employment of (heteroscedasticity resistent) White?s estimator of covariance matrix of estimates of regression coefficients may lead to the correct decision about significance of individual explanatory variables under heteroscedasticity. However, White?s estimator of covariance matrix was established for LS-regression analysis (in the case when error terms are normally distributed, LS- and ML-analysis coincide and hence then White?s estimate of covariance matrix is available for ML-regression analysis, too). To establish White?s-type estimate for another estimator of regression coefficients requires Bahadur representation of the estimator in question, under heteroscedasticity of error terms. The derivation of Bahadur representation for other (robust) estimators requires some tools.
Klasifikace
Druh
J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)
CEP obor
BB - Aplikovaná statistika, operační výzkum
OECD FORD obor
—
Návaznosti výsledku
Projekt
<a href="/cs/project/GA402%2F09%2F0557" target="_blank" >GA402/09/0557: Robustifikace vybraných ekonometrických metod</a><br>
Návaznosti
Z - Vyzkumny zamer (s odkazem do CEZ)
Ostatní
Rok uplatnění
2011
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
Statistics
ISSN
0233-1888
e-ISSN
—
Svazek periodika
45
Číslo periodika v rámci svazku
5
Stát vydavatele periodika
US - Spojené státy americké
Počet stran výsledku
12
Strana od-do
497-508
Kód UT WoS článku
000299733400005
EID výsledku v databázi Scopus
—