LIKELIHOOD-BASED INFERENCE IN TRENDING TIME SERIES WITH A ROOT NEAR UNITY
根接近一的趋势时间序列之似然推断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：摘要明确研究确定性趋势、近单位根自回归模型及单位根检验，直接对应时间序列方法方向。
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
根接近一的趋势时间序列之似然推断
- 研究问题
- 在具有确定性趋势、近单位根及一般扰动分布的自回归模型中，如何联合估计趋势和自回归参数并检验单位根？
- 方法与思路
- 作者分析联合 M 估计的渐近分布，研究基于 M 估计的单位根检验及 Neyman–Pearson 检验扩展，并进行模拟。
- 材料陈述的贡献
- 摘要称，即使最小二乘情形，估计量极限分布也涉及布朗运动的非线性方程组，并提供相关检验与有限样本考察。
- 阅读关注点
- 应核对近单位根设定、趋势形式、扰动分布条件，以及非线性极限分布的求解和检验临界值构造方式。
- 阅读边界
- 仅依据所给 Crossref 摘要；具体分布条件、临界值及模拟数值未说明，不能判断一般扰动分布下哪种检验更有效。
原文摘要
This paper studies likelihood-based estimation and tests for autoregressive time series models with deterministic trends and general disturbance distributions. In particular, a joint estimation of the trend coefficients and the autoregressive parameter is considered. Asymptotic analysis on the M -estimators is provided. It is shown that the limiting distributions of these estimators involve nonlinear equation systems of Brownian motions even for the simple case of least squares regression. Unit root tests based on M -estimation are also considered, and extensions of the Neyman–Pearson test are studied. The finite sample performance of these estimators and testing procedures is examined by Monte Carlo experiments.