Dynamic linear regression by bayesian and bootstrapping techniques

Abstract

Se dice que la estimación de una regresión lineal dinámica es importante a medida que los eventos se miden en eventos pasados. Sin embargo, la estimación de los modelos dinámicos que utilizan el MCO es ineficiente, ya que no puede producir la menor variación y el hecho de no tener en cuenta este problema podría conducir a problemas estadísticos graves. Por lo tanto, el objetivo principal del estudio es emplear la técnica bootstrap y el método bayesiano para estimar los parámetros de un modelo de regresión dinámica y comparar sus rendimientos utilizando desviación estándar, sesgo absoluto y error cuadrático medio de las estimaciones. La técnica de remuestreo residual se utiliza para el enfoque bootstrap y el modelo de gamma normal para el enfoque bayesiano. Los resultados mostraron que la técnica de arranque superó al método Bayesiano con valores de error estándar más bajos. El método de arranque también mostró una propiedad asintótica.