ESTIMATING TRENDING VARIABLES IN THE PRESENCE OF FRACTIONALLY INTEGRATED ERRORS
分数单整误差下趋势变量的估计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：题名与摘要明确涉及趋势变量、分数单整误差和伪回归，直接对应非平稳及长记忆时间序列方法。
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
分数单整误差下趋势变量的估计
- 研究问题
- 在线性回归含分数单整误差时，水平 OLS 与一阶差分估计的收敛速度和推断性质如何变化，差分能否缓解伪回归问题？
- 方法与思路
- 作者研究 OLS 和一阶差分估计，区分误差平稳与非平稳情形，分析随机解释变量系数的收敛速度及差分估计的 t 比率行为。
- 材料陈述的贡献
- 摘要称，误差非平稳时差分可显著提高相关系数估计的收敛速度；平稳时该优势未必成立，并称差分 t 比率不会发散。
- 阅读关注点
- 应核对解释变量与误差的单整阶数、两者依赖关系及归一化方式，并检查 t 比率不发散如何支持文中消除伪回归的结论。
- 阅读边界
- 仅据所给 Crossref 摘要，无法确定上述结果适用的参数区间、极限分布或推断条件，不能推断其他版本的修订。
原文摘要
This paper considers the problems of estimation and inference in the linear regression model with fractionally integrated errors. The ordinary least squares (OLS) and the first differenced (FD) estimators are studied. Relative to the OLS estimators, a substantial increase in the convergence rates of the coefficient estimator for the stochastic regressor can be achieved by the FD estimators when the error term is nonstationary. However, the preceding decisive results can not always sustain when the error term is stationary. We also find that the FD estimators can eliminate the spurious regression because the FD t -ratio for the coefficient estimators never diverges.