Improved likelihood ratio tests for cointegration rank in the VAR model
VAR 模型中协整秩的改进似然比检验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 VAR 模型的协整秩和单位根相关检验，直接属于时间序列方法。
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…
VAR 模型中协整秩的改进似然比检验
- 研究问题
- 在向量自回归模型中，如何利用完整似然和符号限制构造协整秩检验，并改善相对于既有检验的渐近局部功效？
- 方法与思路
- 作者以高斯完整似然构造拟似然比检验，纳入推广单侧单位根检验的符号限制，并推导渐近分布与局部功效。
- 材料陈述的贡献
- 摘要称，渐近理论不要求创新正态分布，且所提检验的渐近局部功效支配既有协整秩检验；这一陈述限于其理论比较范围。
- 阅读关注点
- 应核对初始观测在完整似然中的处理、符号限制的具体形式、非正态创新条件，以及局部功效比较的备择和基准检验。
- 阅读边界
- 仅据所给出版社摘要，不能把局部渐近功效优势推广为所有有限样本情形的优势；具体条件和数值未说明，也不能推断版本变化。
原文摘要
We suggest improved tests for cointegration rank in the vector autoregressive (VAR) model and develop asymptotic distribution theory and local power results. The tests are (quasi-)likelihood ratio tests based on a Gaussian likelihood, but as usual the asymptotic results do not require normally distributed innovations. Our tests differ from existing tests in two respects. First, instead of basing our tests on the conditional (with respect to the initial observations) likelihood, we follow the recent unit root literature and base our tests on the full likelihood as in, e.g., Elliott et al. (1996). Second, our tests incorporate a “sign” restriction which generalizes the one-sided unit root test. We show that the asymptotic local power of the proposed tests dominates that of existing cointegration rank tests.