COINTEGRATING POLYNOMIAL REGRESSIONS: FULLY MODIFIED OLS ESTIMATION AND INFERENCE
协整多项式回归的完全修正 OLS 估计与推断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：摘要明确研究整合过程、协整回归及序列相关下的时间序列推断。
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
协整多项式回归的完全修正 OLS 估计与推断
- 研究问题
- 当协整回归包含确定性变量、整合过程及其整数幂，且允许内生性和误差序列相关时，如何进行参数估计与标准渐近推断？
- 方法与思路
- 作者将完全修正 OLS 扩展至协整多项式回归，推导估计量极限分布，并构造 Wald、LM 设定检验及 KPSS 型协整检验。
- 材料陈述的贡献
- 摘要称，估计量具有零均值高斯混合极限，支持标准渐近推断；模拟所示相对 OLS 的改善与通常协整回归中的改善大体类似。
- 阅读关注点
- 应核对整合过程整数幂带来的标准化、长期协方差估计和内生性修正，以及各检验的原假设、临界值和模拟比较设定。
- 阅读边界
- 仅解释所给 Crossref 摘要；具体正则条件、协方差估计选择与数值结果未说明，高斯混合极限也不等同于估计量自身的普通正态极限。
原文摘要
This paper develops a fully modified OLS (FM-OLS) estimator for cointegrating polynomial regressions, i.e., regressions that include as explanatory variables deterministic variables, integrated processes, and integer powers of integrated processes. The stationary errors are allowed to be serially correlated and the regressors are allowed to be endogenous. The paper extends the fully modified estimator of Phillips and Hansen (1990) from cointegrating regressions to cointegrating polynomial regressions. The FM-OLS estimator has a zero-mean Gaussian mixture limiting distribution that allows for standard asymptotic inference. Wald and LM specification tests as well as a KPSS-type test for cointegration are derived. The theoretical analysis is complemented by a simulation study which shows that this FM-OLS estimator, as well as tests based upon it, perform well in the sense that the performance advantages over OLS are largely similar to the performance advantages of FM-OLS over OLS in standard cointegrating regressions.