Statistical inference for autoregressive models under heteroscedasticity of unknown form
未知形式异方差下自回归模型的统计推断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：摘要直接研究异方差自回归时间序列的估计、检验和模型诊断。
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
未知形式异方差下自回归模型的统计推断
- 研究问题
- 对于具有未知形式条件异方差且方差有限的自回归模型，如何完成参数估计、协方差估计、假设检验与模型诊断？
- 方法与思路
- 作者使用加权最小绝对偏差估计，以随机加权估计渐近协方差和综合检验临界值，并提出可行自适应估计量。
- 材料陈述的贡献
- 摘要称建立渐近正态性、沃尔德检验及模型检查程序，并证明可行自适应估计量与其不可行对应量具有相同效率。
- 阅读关注点
- 应核对权重及自适应权重的构造、异方差与依赖条件、随机加权有效性，以及同效率结论采用的渐近标准。
- 阅读边界
- 仅据版本未注明的索引摘要；未给出完整正则条件或数值结果，同效率结论不意味着优于所有其他自回归估计方法。
原文摘要
This paper provides an entire inference procedure for the autoregressive model under (conditional) heteroscedasticity of unknown form with a finite variance. We first establish the asymptotic normality of the weighted least absolute deviations estimator (LADE) for the model. Second, we develop the random weighting (RW) method to estimate its asymptotic covariance matrix, leading to the implementation of the Wald test. Third, we construct a portmanteau test for model checking, and use the RW method to obtain its critical values. As a special weighted LADE, the feasible adaptive LADE (ALADE) is proposed and proved to have the same efficiency as its infeasible counterpart. The importance of our entire methodology based on the feasible ALADE is illustrated by simulation results and the real data analysis on three U.S. economic data sets.