Trends versus Random Walks in Time Series Analysis
时间序列分析中的趋势与随机游走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：摘要围绕确定性趋势、随机游走、整合过程与去趋势回归的渐近性质展开，直接对应时间序列分析。
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…
时间序列分析中的趋势与随机游走
- 研究问题
- 当整合时间序列被误按确定性趋势去趋势时，回归估计、平稳性判断与相关检验的渐近表现会受到怎样的影响？
- 方法与思路
- 作者解析研究错误去趋势下最小二乘估计与检验的渐近性质，并进一步考察去趋势整合序列的回归与超额波动检验。
- 材料陈述的贡献
- 摘要称解析结果解释了既有模拟现象，F 与 Hausman 检验区分竞争假设的能力不足，Durbin–Watson 统计量具有平稳性诊断价值。
- 阅读关注点
- 核对确定性趋势与随机游走竞争假设的具体设定、去趋势方式及统计量的极限分布，尤其关注 DW 诊断的适用条件。
- 阅读边界
- 摘要未说明完整模型假设和检验临界值；DW 的诊断价值也不能直接推广为适用于所有整合序列的平稳性检验。
原文摘要
This paper studies the effects of spurious detrending in regression. The asymptotic behavior of traditional least squares estimators and tests are examined in the context of models where the generating mechanism is systematically misspecified by the presence of deterministic time trends. Most previous work on the subject has relied upon Monte Carlo studies to understand the issues involved in detrending data that is generated by integrated processes and our analytical results help to shed light on many of the simulation findings. Standard F tests and Hausman tests are shown to inadequately discriminate between the competing hypotheses. Durbin-Watson statistics, on the other hand, are shown to be valuable measures of series stationarity. The asymptotic properties of regressions and excess volatility tests with detrended integrated time series are also explored.