[论文解读] Asymptotic results for bifurcating random coefficient autoregressive processes

Vassili Blandin|arXiv (Cornell University)|Apr 13, 2012

Statistical Methods and Inference被引用 4

一句话总结

本文通过鞅方法建立了首阶随机系数分枝自回归（RCBAR）过程中加权最小二乘（WLS）估计量的渐近性质。在随机系数和噪声满足正则性条件的前提下，证明了估计量的几乎必然收敛性、二次强大律以及渐近正态性，收敛速率通过向量值鞅极限定理推导得出。

ABSTRACT

The purpose of this paper is to study the asymptotic behavior of the weighted least square estimators of the unknown parameters of random coefficient bifurcating autoregressive processes. Under suitable assumptions on the immigration and the inheritance, we establish the almost sure convergence of our estimators, as well as a quadratic strong law and central limit theorems. Our study mostly relies on limit theorems for vector-valued martingales.

研究动机与目标

• 研究首阶随机系数分枝自回归（RCBAR）过程中加权最小二乘（WLS）估计量的渐近行为。
• 对同时存在遗传（随机系数）与环境（驱动噪声）效应的非对称细胞系谱数据进行建模。
• 将经典分枝自回归模型与随机系数自回归模型扩展至具有随机遗传的树状结构、非对称框架。
• 利用鞅技术建立WLS估计量的强一致性、二次强大律及中心极限定理。
• 为具有二叉树数据的随机过程（如细胞系谱研究）中的参数估计提供理论基础。

提出的方法

• 在具有随机系数 (a_n, b_n) 和每对父母-后代相关噪声 (ε_2n, ε_2n+1) 的二叉树上形式化首阶RCBAR过程。
• 基于树结构导出的权重，定义RCBAR模型未知参数的加权最小二乘（WLS）估计量。
• 应用向量值鞅极限定理分析WLS估计量的渐近行为。
• 利用鞅的大数定律与中心极限定理推导收敛结果。
• 建立类似Lyapunov的条件，以验证估计量的渐近正态性。
• 推导出WLS估计量的极限分布为多元正态分布，其协方差矩阵依赖于模型的二阶矩。

实验结果

研究问题

• RQ1 在何种条件下，RCBAR模型参数的加权最小二乘估计量几乎必然收敛？
• RQ2 在RCBAR框架下，WLS估计量是否满足二次强大律？
• RQ3 WLS估计量是否渐近正态？其极限分布为何？
• RQ4 随机系数 (a_n, b_n) 与相关噪声 (ε_2n, ε_2n+1) 如何影响估计量的渐近性质？
• RQ5 鞅方法能否有效应用于推导具有非对称、随机遗传特性的RCBAR过程的极限定理？

主要发现

• 在随机系数与噪声的矩满足正则性条件时，RCBAR模型参数的WLS估计量几乎必然收敛到真实参数值。
• 建立了WLS估计量的二次强大律，证实了其在概率收敛中的高概率收敛速率。
• WLS估计量渐近正态，极限分布为均值为零、协方差矩阵为 D^(-1)HD^(-1) 的多元正态分布，其中 H 为二阶矩矩阵。
• 估计量的渐近方差被显式地用模型的矩表示，包括系数与噪声的方差及交叉矩。
• WLS估计量的收敛速率为 √|𝕋_n|，其中 |𝕋_n| 为二叉树第 n 代的大小。
• 数值模拟验证了WLS估计量的渐近正态性，经验分布与理论正态近似高度吻合。