Inference of time-varying regression models
时变回归模型的统计推断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：摘要明确允许依赖和非平稳过程，并应用于时变自回归模型及参数恒定性检验，直接对应时间序列与结构变化。
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
时变回归模型的统计推断
- 研究问题
- 在误差与协变量可具有依赖性和非平稳性的情况下，如何对部分时变系数模型进行估计、检验和变量选择？
- 方法与思路
- 作者采用两阶段方法估计参数部分，提出模拟辅助的显著性与参数恒定性检验，并用信息准则选择预测变量。
- 材料陈述的贡献
- 摘要称，参数部分可达根号样本量收敛率，信息准则可一致选择真实显著变量集，并给出时变自回归应用。
- 阅读关注点
- 应核对允许的依赖与非平稳条件、两阶段误差传递、模拟检验校准，以及变量选择一致性所需的信号条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要。具体正则条件、模拟设计和真实数据结果未说明，不能将结论推广至任意非平稳过程。
原文摘要
We consider parameter estimation, hypothesis testing and variable selection for partially time-varying coefficient models. Our asymptotic theory has the useful feature that it can allow dependent, nonstationary error and covariate processes. With a two-stage method, the parametric component can be estimated with a $n^{1/2}$-convergence rate. A simulation-assisted hypothesis testing procedure is proposed for testing significance and parameter constancy. We further propose an information criterion that can consistently select the true set of significant predictors. Our method is applied to autoregressive models with time-varying coefficients. Simulation results and a real data application are provided.