[論文レビュー] Initial-Condition-Robust Inference in Autoregressive Models

Donald W. K. Andrews, Ming Li+1 more|arXiv (Cornell University)|Feb 10, 2026

Statistical Methods and Inference被引用数 0

ひとこと要約

初期条件に頑健な信頼区間（ICR CI）をAR(1)パラメータに対して提案。初期条件に関係なく適切なカバレッジを維持し、条件付きヘテロスケダスティシティにも頑健で、長さの増加は控えめ。

ABSTRACT

This paper considers confidence intervals (CIs) for the autoregressive (AR) parameter in an AR model with an AR parameter that may be close or equal to one. Existing CIs rely on the assumption of a stationary or fixed initial condition to obtain correct asymptotic coverage and good finite sample coverage. When this assumption fails, their coverage can be quite poor. In this paper, we introduce a new CI for the AR parameter whose coverage probability is completely robust to the initial condition, both asymptotically and in finite samples. This CI pays only a small price in terms of its length when the initial condition is stationary or fixed. The new CI also is robust to conditional heteroskedasticity of the errors.

研究の動機と目的

• 真の根が1に近い、あるいは等しい可能性があるときにAR(1)パラメータの信頼性の高い推定を動機づける。従来のCIが非標準的な初期条件下で機能しない。
• 任意の初期条件と条件付きヘテロスケダスティシティに対して一様に正確な漸近的カバレッジを達成するICR CIを開発する。
• ICR CIが有限標本において名目カバレッジを維持し、競争力のある長さを示す証拠を提供する。
• ICRフレームワークに基づくARパラメータの中央値無バイアス区間推定量（MUE）を導入する。

提案手法

• 初期条件の影響を帰無仮説の下で除去する追加回帰変数を付加してICRの最小二乗推定量を構築する。
• LS推定量と頑健なHC5分散推定量に基づくt統計量を用いて仮説検定を反転させる。
• p=1−ρ に対応するh = n(1−ρ)としたt統計量の漸近分布J_hから導かれる臨界値c_h(α)を使用する。
• ICR CIを、h = n(1−ρ) に対して c_h(α/2) ≤ T_n(ρ) ≤ c_h(1−α/2) を満たすρの集合として定義する。
• 臨界値はBrownian motionを用いたJ_hのシミュレーションによって決定し、c_h(α)の広範な表を提供する。
• ICRフレームワークに基づく漸近的中央値無バイアス区間推定量（MUE）を、一方的一側のICR CIに基づく明示的構成で提案する。

実験結果

リサーチクエスチョン

• RQ1 ARパラメータの信頼区間を任意の初期条件に対して頑健にしつつ、漸近的サイズを正しく達成できるか？
• RQ2 初期条件に頑健なCIの性能は、 stationary/非 stationaryな開始と条件付きヘテロスケダスティシティの下で既存のCIとどう比較されるか？
• RQ3 提案ICR CIと付随するMUEの有限標本におけるカバレッジと長さのトレードオフはどうか？
• RQ4 提案手法はチューニングパラメータなしで計算的に-efficientか？

主な発見

• ICR CIはρの広い範囲、初期条件、誤差過程において名目95%に近いカバレッジ確率を達成し、CPは{93.5%、95.0%}である。
• stationaryまたは固定初期条件下で、ICR CIの平均長さはAG14 CIの小さな倍率の範囲内（比は1.00〜1.11、平均長さは約3.5%長い）である。
• 有限標本の結果は、初期条件が非常に揺らぐ場合および条件付きヘテロスケダスティシティに頑健である一方、既存のCIはカバレッジが大幅に歪むことがある（例：いくつかのケースで24.1%〜93.5%）。
• ICRフレームワークに基づく漸近的中央値無バイアス区間推定量（MUE）が提案され、シミュレーションでの絶対中央値バイアスは通常非常に小さい（0.000〜0.022）。
• ICRアプローチは、任意の初期条件やさまざまな形のヘテロスケダスティシティを含む広いパラメータ空間に対してCIの一様サイズ漸近性をもたらす。