Simultaneous Bandwidths Determination for DK-HAC Estimators and Long-Run Variance Estimation in Nonparametric Settings
DK-HAC 估计的联合带宽选择与非参数情形下的长期方差估计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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要直接研究滞后自协方差、时间方向平滑、非平稳性和长期方差估计，属于时间序列推断方法。
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…
DK-HAC 估计的联合带宽选择与非参数情形下的长期方差估计
- 研究问题
- 双核异方差与自相关稳健估计应如何联合选择滞后和时间两个带宽，非平稳性如何改变权衡，较慢收敛的非参数估计是否仍能支持长期方差估计？
- 方法与思路
- 作者联合最小化全局渐近均方误差，以代入法构造数据依赖带宽，并分析非平稳性及输入序列由非参数估计量生成时的长期方差估计。
- 材料陈述的贡献
- 摘要称，联合带宽相对顺序选择改善检验大小控制，尤其在平稳及接近平稳数据中；另建立非参数参数估计情形下长期方差估计的一致性。
- 阅读关注点
- 应核对非平稳过程类别、联合最优带宽的推导与代入实现、非参数估计误差的要求，以及大小控制比较采用的检验和样本设定。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未核实；摘要未列过程与收敛率的完整条件，也未给出数值比较，不能推断适用于任意非平稳序列。
原文摘要
We consider the derivation of data-dependent simultaneous bandwidths for double kernel heteroskedasticity and autocorrelation consistent (DK-HAC) estimators. In addition to the usual smoothing over lagged autocovariances for classical HAC estimators, the DK-HAC estimator also applies smoothing over the time direction. We obtain the optimal bandwidths that jointly minimize the global asymptotic MSE criterion and discuss the trade-off between bias and variance with respect to smoothing over lagged autocovariances and over time. Unlike the MSE results of Andrews (1991), we establish how nonstationarity affects the bias-variance trade-o?. We use the plug-in approach to construct data-dependent bandwidths for the DK-HAC estimators and compare them with the DK-HAC estimators from Casini (2021) that use data-dependent bandwidths obtained from a sequential MSE criterion. The former performs better in terms of size control, especially with stationary and close to stationary data. Finally, we consider long-run variance estimation under the assumption that the series is a function of a nonparametric estimator rather than of a semiparametric estimator that enjoys the usual T^(1/2) rate of convergence. Thus, we also establish the validity of consistent long-run variance estimation in nonparametric parameter estimation settings.