Estimación recursiva de modelos lineales con restricciones entre los parámetros

Abstract

En este artículo se demuestra que la estimación recursiva de un modelo de regresión con restricciones lineales puede llevarse aplicando el estimador estándar (por mínimos cuadrados recursivos) a partir de unas condiciones iniciales adecuadas. Las ventajas de este método con respecto a su alternativa (filtros de dimensión reducida) consisten en que 1) el mismo algoritmo puede utilizarse para estimar modelos con y sin restricciones y 2) la contrastación del cumplimiento de dichas restricciones puede llevarse a cabo recursivamente. Los desarrollos teóricos se complementan con un ejemplo, en el que se muestra cómo la aplicación de las técnicas de estimación recursiva proporciona una información valiosa acerca, de la estabilidad de los parámetros y del efecto de cada observación sobre las correspondientes estimaciones.

In this paper we show that reeursive estimates of a linearly constrained model parameters can be obtained by initializing adequately the standard method (reeursive least squares). The advantage of this approach with regard to it alternative (reduced-dimension filters) are 1) the same algorithm can be used for estimating constrained and unconstrained models and 2) it allows a recursive constraint testing. The theoretical analysis is completed with an example, which shows how the reeursive estimation provides useful insights about the parameter stability and the effeet of each observation over the estimates.