Testing for Noninvertible Models with Applications
不可逆时间序列模型的检验及应用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ARMA时间序列模型的不可逆性，并使用单位根统计量构造检验，直接属于时间序列方法。
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
不可逆时间序列模型的检验及应用
- 研究问题
- 如何利用现有单位根检验统计量检测平稳时间序列模型的不可逆性？原序列均值与初始创新会怎样影响检验的极限分布？
- 方法与思路
- 作者从平稳但不可逆的ARMA模型构造非平稳、可逆的派生过程，使其非平稳因子与原模型的不可逆因子相同，再借助单位根统计量进行检验。
- 材料陈述的贡献
- 摘要提出借助派生过程与单位根统计量检验不可逆性的程序，并指出所用统计量的极限分布依赖原序列的均值及初始创新。
- 阅读关注点
- 核对派生过程的构造与可实施性、不可逆性和单位根之间的对应条件，以及均值和初始创新如何进入极限分布与临界值计算。
- 阅读边界
- 摘要未说明具体单位根统计量、检验有效性所需的完整条件及应用结果；不能据此判断有限样本水平、功效或实际计算难度。
原文摘要
This paper is concerned with testing for noninvertible time-series models. For a stationary but noninvertible autoregressive moving average model, the author constructs a derived process that is nonstationary but invertible with a nonstationary factor identical to the noninvertible factor of the original time series. The author then proposes a test procedure for testing noninvertibility using various unit-root test statistics available i n the literature. The limiting distributions of the test statistics employed depend on the mean as well as the initial innovations of th e original series.