Uma análise de Monte Carlo do desempenho de estimadores de matrizes de covariância sob heterocedasticidade de forma desconhecida

Revista Brasileira de Economia

Francisco Cribari-neto²  Matheus Cabral De Araújo Gois¹ 

[1] ,Universidade Federal de Pernambuco Departamento de Estatística

关键词: bootstrap;    heterocedasticidade;    homocedasticidade;    matrizes de covariância;    regressão linear;    viés;   

DOI  :  10.1590/S0034-71402002000200005

来源: SciELO

【 摘 要 】

Este artigo analisa o desempenho em amostras finitas do estimador consistente de matrizes de covariância proposto por Halbert White. O comportamento deste estimador é estudado tanto sob homocedasticidade quanto sob heterocedasticidade usando métodos de simulação Monte Carlo. Este estimador pode apresentar viés significativo para amostras de tamanho pequeno a moderado. O desempenho em amostras finitas de estimadores de bootstrap e analiticamente corrigidos também é analisado. Os resultados numéricos favorecem os estimadores corrigidos analiticamente em relação ao estimador obtido a partir de um esquema de reamostragem de bootstrap. Três estimadores alternativos que são construídos como variações do estimador originalmente proposto por White são também analisados. Os resultados revelam, ainda, a influência de pontos de alta alavancagem sobre o desempenho dos diversos estimadores.

【 授权许可】

CC BY   
 All the contents of this journal, except where otherwise noted, is licensed under a Creative Commons Attribution License