Time Series Regression with a Unit Root
含单位根的时间序列回归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：摘要围绕时间序列的单位根估计、随机游走检验和相关统计量的极限分布展开，因此归入时间序列方向。
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
含单位根的时间序列回归
- 研究问题
- 在创新项弱依赖且分布异质的时间序列中，最小二乘能否一致估计单位根，相关统计量的极限分布与随机游走检验应如何构造？
- 方法与思路
- 作者利用泛函中心极限定理推导标准化估计量和回归 t 统计量的极限分布，构造允许依赖与异质创新项的检验，并发展基于连续数据记录的极限理论。
- 材料陈述的贡献
- 摘要称，即使误差自相关，最小二乘在一般条件下仍可一致估计单位根；新的极限理论与单位根渐近展开进一步解释了此前报道的若干实验结果。
- 阅读关注点
- 应核对弱依赖与分布异质性的具体条件、统计量的标准化和修正方式，以及连续记录理论和渐近展开分别解释哪些实验现象。
- 阅读边界
- 摘要未列出具体假设、检验公式或有限样本拒绝率；不能将一致性推广到任意依赖过程，也不能据此断言常规 t 临界值仍然有效。
原文摘要
This paper studies the random walk in a general time series setting that allows for weakly dependent and heterogeneously distributed innovations. It is shown that simple least squares regression consistently estimates a unit root under very general conditions in spite of the presence of autocorrelated errors. The limiting distribution of the standardized estimator and the associated regression t statistic are found using functional central limit theory. New tests of the random walk hypothesis are developed which permit a wide class of dependent and heterogeneous innovation sequences. A new limiting distribution theory is constructed based on the concept of continuous data recording. This theory, together with an asymptotic expansion that is developed in the paper for the unit root case, explain many of the interesting experimental results recently reported in Evans and Savin (1981, 1984). Copyright 1987 by The Econometric Society.