SAMPLE MEANS, SAMPLE AUTOCOVARIANCES, AND LINEAR REGRESSION OF STATIONARY MULTIVARIATE LONG MEMORY PROCESSES
平稳多元长记忆过程的样本均值、自协方差与线性回归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：摘要直接研究平稳多元长记忆过程、样本自协方差及其回归渐近性质，核心为时间序列中的持续依赖。
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
平稳多元长记忆过程的样本均值、自协方差与线性回归
- 研究问题
- 平稳多元长记忆过程的样本矩具有怎样的收敛速度与极限？解释变量和误差的共同长记忆何时使常规 OLS 推断失效？
- 方法与思路
- 作者建立前两阶样本矩的渐近理论，分析长记忆程度如何决定速度及极限过程，再将结果用于多元线性回归估计与检验。
- 材料陈述的贡献
- 摘要称，即使解释变量与误差均平稳且遍历，单个解释变量与误差的共同长记忆也可能导致 OLS 收敛变慢、非正态及常规检验失效。
- 阅读关注点
- 应核对长记忆参数及交叉依赖条件、不同参数区间的极限与标准化，并确认 t 和 F 检验失效的具体机制及适用范围。
- 阅读边界
- 所给 Crossref 摘要未列出阈值与完整条件，不能断言所有长记忆回归均失效，也没有说明可替代的有效检验程序。
原文摘要
We develop an asymptotic theory for the first two sample moments of a stationary multivariate long memory process under fairly general conditions. In this theory the convergence rates and the limits (the fractional Brownian motion, the Rosenblatt process, etc.) all depend intrinsically on the degree of long memory in the process. The theory of the sample moments is then applied to the multiple linear regression model. An interesting finding is that, even though all the regressors and the disturbance are stationary and ergodic, the joint long memory in one single regressor and in the disturbance can invalidate the usual asymptotic theory for the ordinary least squares (OLS) estimation. Specifically, the convergence rates of the OLS estimators become slower, the limits are not normal, and the standard t - and F -tests all collapse.