Это мера стандартной ошибки среднего значения выборки при последовательной зависимости.
Если является ковариационной стационарной с и (в настройках эта величина будет равна нулю!), Так что . Тогда
где первое равенство является определением , то второй немного сложнее установить и третье следствие стационарности, откуда следует , что .YtE(Yt)=μCov(Yt,Yt−j)=γj∑∞j=0|γj|<∞limT→∞{Var[T−−√(Y¯T−μ)]}=limT→∞{TE(Y¯T−μ)2}=∑j=−∞∞γj=γ0+2∑j=1∞γj,
γj=γ−j
Так что проблема действительно заключается в отсутствии независимости. Чтобы увидеть это более четко, запишите дисперсию среднего значения образца как
E(Y¯T−μ)2=E[(1/T)∑t=1T(Yt−μ)]2=1/T2E[{(Y1−μ)+(Y2−μ)+…+(YT−μ)}{(Y1−μ)+(Y2−μ)+…+(YT−μ)}]=1/T2{[γ0+γ1+…+γT−1]+[γ1+γ0+γ1+…+γT−2]+…+[γT−1+γT−2+…+γ1+γ0]}
Проблема с оценкой долгосрочной дисперсии состоит в том, что мы, конечно, не наблюдаем все автоковариации с конечными данными. Ядро (в эконометрике, «Ньюи-Вест» или HAC оценки) используются для этой цели,
JT^≡γ^0+2∑j=1T−1k(jℓT)γ^j
k - это ядро или весовая функция, - примеры автоковариаций. , кроме всего прочего, должно быть симметричным и иметь . - это параметр полосы пропускания.γ^jkk(0)=1ℓT
Популярным ядром является ядро Бартлетта
Хорошие ссылки на учебники - Гамильтон, Анализ временных рядов или Фуллер . Оригинальная (но техническая) статья в журнале Newey and West, Econometrica 1987 .k(jℓT)={(1−jℓT)0for0⩽j⩽ℓT−1forj>ℓT−1