A Simple, Positive Semi-Definite, Heteroskedasticity and Autocorrelation Consistent Covariance Matrix
一种简单、半正定的异方差与自相关一致协方差矩阵估计方法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：摘要讨论通用的稳健协方差矩阵估计，未限定宏观时间序列、面板或金融等具体应用，细分领域证据不足。
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
一种简单、半正定的异方差与自相关一致协方差矩阵估计方法
- 研究问题
- 如何构造计算简单的协方差矩阵估计，在允许异方差与自相关的同时保证半正定，并在适当条件下获得一致性？
- 方法与思路
- 作者提出一种协方差矩阵计算方法，使半正定性由构造本身保证，并在较一般的条件下建立该协方差矩阵估计的一致性。
- 材料陈述的贡献
- 摘要所述贡献是给出简单的异方差与自相关一致协方差矩阵计算方法，同时以构造保证半正定，并证明估计的一致性。
- 阅读关注点
- 应核对矩阵的具体构造、半正定性证明与一致性条件，并检查是否需要选择滞后长度或权重及这些选择对推断的影响。
- 阅读边界
- 摘要未列出一致性所需条件、调节参数或有限样本表现；半正定不等于正定，也不能仅凭该性质判断标准误或检验的准确性。
原文摘要
This paper describes a simple method of calculating a heteroskedasticity and autocorrelation consistent covariance matrix that is positive semi-definite by construction. It also establishes consistency of the estimated covariance matrix under fairly general conditions.