EconPapers    
Economics at your fingertips  
 

DYNAMIC LINEAR REGRESSION BY BAYESIAN AND BOOTSTRAPPING TECHNIQUES/Regresión lineal dinámica por técnicas bayesianas y bootstrapping

Adedayo A. Adepoju () and Tayo P. Ogundunmade ()
Additional contact information
Adedayo A. Adepoju: Department of Statistics, University of Ibadan, Nigeria.
Tayo P. Ogundunmade: Department of Statistics, UNIVERSITY OF IBADAN, NIGERIA

Estudios de Economia Aplicada, 2019, vol. 37, No 2, 166-181

Abstract: Estimation of a dynamic linear regression is said to be of importance as events are measured on past events. However, estimation of dynamic models using the OLS is inefficient since it cannot produce the least variance and disregarding this problem would potentially lead to severe statistical problems. Therefore, the main objective of the study is to employ the bootstrap technique and Bayesian method in estimating the parameters of a dynamic regression model and compare their performances using standard deviation, absolute bias and mean square error of the estimates. The residual resampling technique is used for the bootstrap approach and the Normal-gamma model for the Bayesian approach. The results showed that the bootstrap technique outperformed the Bayesian method with lower standard error values. The bootstrap method also displayed an asymptotic property. 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.

Keywords: modelo dinámico; método Bootstrap; estimador bayesiano; sesgo absoluto; error cuadrático medio.; Dynamic Model; Bootstrap Method; Bayesian Estimator; Absolute Bias; Mean Square error.. (search for similar items in EconPapers)
JEL-codes: C51 M31 (search for similar items in EconPapers)
Date: 2019
References: Add references at CitEc
Citations: Track citations by RSS feed

Downloads: (external link)
http://www.revista-eea.net
Access to full text is restricted to subscribers.

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:lrk:eeaart:37_2_14

Ordering information: This journal article can be ordered from
http://www.revista-eea.net

Access Statistics for this article

Estudios de Economia Aplicada is currently edited by Jose Garica Perez

More articles in Estudios de Economia Aplicada from Estudios de Economia Aplicada Miguel Angel Sanchez Granero. Departamento de Matematicas. Universidad de Almeria. Spain.. Contact information at EDIRC.
Bibliographic data for series maintained by Miguel Angel Sanchez Granero ().

 
Page updated 2019-07-03
Handle: RePEc:lrk:eeaart:37_2_14