Approximately Median-Unbiased Estimation of Autoregressive Models
自回归模型的近似中位数无偏估计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：摘要研究含趋势的自回归模型与序列持久性，并比较单位根和趋势平稳的估计结果，直接对应时间序列方法。
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
自回归模型的近似中位数无偏估计
- 研究问题
- 含时间趋势的单变量自回归模型中，如何构造近似中位数无偏估计与置信区间，并重新评估宏观及股票序列的持久性？
- 方法与思路
- 作者为含时间趋势的单变量 AR(p) 模型提出近似中位数无偏估计和置信区间，并应用于宏观数据及年度股息、股价序列。
- 材料陈述的贡献
- 摘要称，多数序列的持久性高于最小二乘和部分贝叶斯估计所示；扩展样本中八条估计为单位根、六条为趋势平稳。
- 阅读关注点
- 重点核对近似中位数无偏的定义与成立条件、置信区间的构造和覆盖表现，以及时间趋势设定如何影响持久性估计。
- 阅读边界
- 摘要未说明近似无偏的成立条件、区间覆盖率或具体样本设定；实证估计结果不能直接证明相关序列确有单位根。
原文摘要
This paper introduces approximately median-unbiased estimators and confidence intervals for univariate AR(p) models with time trends. The methods are applied to the Nelson-Plosser macroeconomic data series, the extended Nelson-Plosser series, and some annual stock dividend and price series. The results show that most of the series exhibit substantially greater persistence than least squares estimates and some Bayesian estimates suggest. For example, for the extended Nelson-Plosser data, eight of the fourteen series are estimated to have a unit root, while six are estimated to be trend stationary. In contrast, the least squares estimates indicate trend stationarity for all of the series.