Subsampling inference in threshold autoregressive models
门限自回归模型中的子抽样推断AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要聚焦自激励门限自回归模型的参数推断和连续性检验，直接属于时间序列方法。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
门限自回归模型中的子抽样推断
- 研究问题
- 自激励门限自回归模型的连续性影响门限估计极限分布时，如何对门限和回归参数进行有效推断，并应对连续性未知的情况？
- 方法与思路
- 作者用子抽样处理不连续模型中的非标准门限推断，将方法扩展到连续性未知时的参数推断，并提出连续性检验、模拟与应用。
- 材料陈述的贡献
- 摘要称子抽样可在不连续 SETAR 模型及连续性未知时提供有效推断，并用于回归参数；同时给出连续性假设检验。
- 阅读关注点
- 核对连续与不连续情形的收敛行为、子抽样块长和标准化选择、未知连续性时的有效条件，以及连续性检验与参数区间的构造。
- 阅读边界
- 依据所给作者／机构库版本摘要，不能推断刊本变化；摘要未说明正则条件、块长规则或模拟结果，不能判断所有门限设定下的覆盖表现。
原文摘要
This paper discusses inference in self exciting threshold autoregressive (SETAR) models. Of main interest is inference for the threshold parameter. It is well-known that the asymptotics of the corresponding estimator depend upon whether the SETAR model is continuous or not. In the continuous case, the limiting distribution is normal and standard inference is possible. In the discontinuous case, the limiting distribution is non-normal and cannot be estimated consistently. We show valid inference can be drawn by the use of the subsampling method. Moreover, the method can even be extended to situations where the (dis)continuity of the model is unknown. In this case, also the inference for the regression parameters of the model becomes difficult and subsampling can be used again. In addition, we consider an hypothesis test for the continuity of a SETAR model. A simulation study examines small sample performance and an application illustrates how the proposed methodology works in practice. SOME KEY WORDS: Confidence intervals; Continuity; Regime shifts; Subsampling; Threshold autoregressive models.