ASYMPTOTICS OF ML ESTIMATOR FOR REGRESSION MODELS WITH A STOCHASTIC TREND COMPONENT
含随机趋势成分回归模型中最大似然估计量的渐近性质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：摘要明确研究局部水平与随机趋势时间序列模型，并关联平稳性检验，直接对应时间序列的边界参数推断。
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
含随机趋势成分回归模型中最大似然估计量的渐近性质
- 研究问题
- 随机趋势的信噪比接近零时，回归模型的最大边际似然估计具有怎样的收敛与极限性质，增加回归参数会如何影响近似？
- 方法与思路
- 作者针对局部水平模型及含截距或时间趋势的变体采用局部趋零参数化，分析局部最大化解的一致性与极限分布，并开展模拟。
- 材料陈述的贡献
- 摘要称，估计量具有超一致性，其极限分布带长尾和零点质量；模拟显示中等样本近似较好，而回归参数增多会减慢分布收敛。
- 阅读关注点
- 应核对信噪比参数化、局部最大化解与全局解的关系、超一致性的尺度，以及零点质量对未来平稳性检验构造的影响。
- 阅读边界
- 仅据所给 RePEc 收录的出版社摘要，无法核验具体条件和模拟范围；文中只将新检验视为后续方向，不能声称已完成，亦不推断版本变化。
原文摘要
This paper investigates the asymptotic properties of the maximum marginal likelihood estimator for a regression model with a stochastic trend component when the signal-to-noise ratio is near zero. In particular, the local level model in Harvey (1989, Forecasting, Structural Time Series Models and the Kalman Filter, Cambridge: Cambridge University Press) and its variants where a time trend or an intercept is included are considered. A local-to-zero parameterization is adopted. Two sets of asymptotic properties are presented for the local maximizer: consistency and the limiting distribution. The estimator is found to be super-consistent. The limit distribution is derived and found to possess a long tail and a mass point at zero. It yields a good approximation for samples of moderate size. Simulation also documents that the empirical distribution converges less rapidly to the limit distribution as number of regression parameters increases. The results could be viewed as a transition step toward establishing new likelihood ratio–type or Wald-type tests for the stationarity null.