Flores de Frutos, RafaelSerrano García, Gregorio2023-06-212023-06-211997https://hdl.handle.net/20.500.14352/64177In this paper a new generalized least squares procedure for estimating VARMA models is proposed. This method differs from existing ones in explicitly considering the stochastic structure of the approximation error that arises when lagged innovations are replaced with lagged residuals obtained from a long VAR. Simulation results indicate that this method improves the accuracy of estimates with small and moderate sample sizes, and increases the frequency of identifying small nonzero parameters, with respect to both Double Regression and exact maximum likelihood estimation procedures.En este artículo se propone un nuevo método lineal para la estimación de modelos VARMA. Este método se diferencia de otros en considerar explícitamente el error que se comete al aproximar las innovaciones a través de los residuos minimocuadráticos procedentes de un VAR largo. Los resultados de un ejercicio de simulación revelan que el método mejora la precisión de las estimaciones, en muestras pequeñas y moderadas, con respecto al método de Doble Regresión y máxima verosimilitud exacta. También aumenta la frecuencia con que se detectan parámetros pequeños en tareas de identificación.engAtribución-NoComercial-CompartirIgual 3.0 Españahttps://creativecommons.org/licenses/by-nc-sa/3.0/es/technical reporthttps://www.ucm.es/icaeopen accessVARMA models estimationGeneralized least squaresModel specification.Modelos VARMAResiduos minimocuadráticosMétodo de Doble Regresión.Estadística matemática (Matemáticas)1209 Estadística