Testing for unit roots with stationary covariates
利用平稳协变量进行单位根检验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：摘要直接研究单位根检验，并明确讨论使用长期约束识别结构 VAR，因此对应时间序列与 VAR 两个细分方向。
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
利用平稳协变量进行单位根检验
- 研究问题
- 加入平稳协变量能如何提高潜在积分序列的单位根检验功效，并构造在点备择下达到功效包络、适用于长期约束识别的检验？
- 方法与思路
- 作者推导含任意数量平稳协变量的点最优检验与功效包络，再构造基于向量自回归的简便检验，并讨论结构 VAR 识别。
- 材料陈述的贡献
- 摘要称，平稳协变量可带来很大功效增益；所构造检验在一般条件下于特定点达到包络，并具有良好的小样本性质。
- 阅读关注点
- 应核对协变量带来功效增益的条件、点备择与确定性项的处理，以及检验如何与结构 VAR 的长期识别约束保持一致。
- 阅读边界
- 仅依据作者／机构库版本摘要，不能推断后续刊本变化；摘要未给出具体条件与模拟数值，点最优也不等于所有备择下最优。
原文摘要
We derive the family of tests for a unit root with maximal power against a point alternative when an arbitrary number of stationary covariates are modeled with the potentially integrated series. We show that very large power gains are available when such covariates are available. We then derive tests which are simple to construct (involving the running of vector autoregressions) and achieve at a point the power envelopes derived under very general conditions. These tests have excellent properties in small samples. We also show that these are obvious and internally consistent tests to run when identifying structural VAR's using long run restrictions.