Inference-Without-Smoothing in the Presence of Nonparametric Autocorrelation
存在非参数自相关时的无平滑推断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：摘要直接讨论平稳长记忆、自相关及相应方差推断，因此归入时间序列。
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
存在非参数自相关时的无平滑推断
- 研究问题
- 在含截距且解释变量严格外生的模型中，若变量与误差存在平稳长记忆，何时可不经平滑而一致估计推断所需的方差？
- 方法与思路
- 作者给出无需平滑即可构造非参数自相关一致方差估计的条件，允许较强的平稳长记忆，并采用较弱、部分情形下近乎最低的矩条件。
- 材料陈述的贡献
- 摘要称，该估计的均方误差可按样本量倒数缩减；在额外正则条件下，还能用于线性联立方程中渐近正态结构参数估计量的学生化。
- 阅读关注点
- 重点核对无平滑估计量的具体构造、严格外生性与长记忆条件如何配合，以及均方误差结论和学生化推断各自需要的附加假设。
- 阅读边界
- 摘要未给出长记忆强度、矩条件及额外正则条件的具体限制；所述均方误差优势有适用前提，不能推及所有自相关过程。
原文摘要
The author gives conditions under which nonparametric autocorrelation-consistent variance estimation is possible without smoothing. The conditions are relevant to inference on slope parameters in models with an intercept and strictly exogenous regressors, and allow regressors and disturbances to collectively have considerable stationary long memory and to satisfy only mild, in some cases minimal, moment conditions. His estimate dominates smoothed ones in the sense that it can have mean squared error proportional to the reciprocal of sample size. Under standard additional regularity conditions, the author shows that the estimate can validly studentize asymptotically normal estimates of structural parameters in linear simultaneous equations systems.