A CENTRAL LIMIT THEOREM FOR MIXING TRIANGULAR ARRAYS OF VARIABLES WHOSE DEPENDENCE IS ALLOWED TO GROW WITH THE SAMPLE SIZE
依赖程度可随样本量增长的强混合三角阵列中心极限定理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：摘要主要提供一般三角阵列极限理论，未明确对应所列领域中的特定经济模型或研究方向。
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
依赖程度可随样本量增长的强混合三角阵列中心极限定理
- 研究问题
- 如果较大样本允许更长范围的变量依赖，强混合三角阵列需要满足什么条件才能仍然成立中心极限定理？
- 方法与思路
- 作者约束依赖程度随样本量增长的速度，并结合记忆与矩条件的权衡，建立强混合三角阵列的极限定理。
- 材料陈述的贡献
- 摘要称，论文给出允许依赖范围随样本增长的中心极限定理条件，并提出对异方差与自相关一致估计量的应用。
- 阅读关注点
- 应核对混合系数及依赖增长速度的限制、矩条件如何配合，以及该定理用于协方差估计时所需的附加条件。
- 阅读边界
- 仅据所给 Crossref 摘要，无法获得具体条件、标准化方式和证明；所提应用也未说明具体模型及适用边界。
原文摘要
Conditions ensuring a central limit theorem for strongly mixing triangular arrays are given. Larger samples can show longer range dependence than shorter samples. The result is obtained by constraining the rate growth of dependence as a function of the sample size, with the usual trade-off of memory and moment conditions. An application to heteroskedasticity and autocorrelation consistent estimators is proposed.