Identification robust inference in cointegrating regressions
协整回归中对识别状态稳健的推断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：摘要直接研究协整回归、长期系数及其识别稳健推断，属于时间序列方法。
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
协整回归中对识别状态稳健的推断
- 研究问题
- 协整回归的估计量与检验统计量依赖干扰参数时，如何为长期系数构造置信集合，使推断在不同识别状态下仍保持可靠？
- 方法与思路
- 作者通过反演似然比检验构造长期系数置信集合，分别采用无约束或协整约束备择，并为具有实证意义的特殊情形给出解析解。
- 材料陈述的贡献
- 摘要称，模拟中所提方法不论识别状态均有良好尺寸，在系数可识别时有良好功效；比较还涵盖施加和放松强外生性的情形。
- 阅读关注点
- 应核对识别状态与干扰参数的定义、两种检验反演的差别，以及解析解的适用情形和强外生性改变后的有效性条件。
- 阅读边界
- 所给出版社摘要未提供统一有效性的完整理论条件或模拟数值；模拟中尺寸稳健不能直接视为所有协整设定下均有效。
原文摘要
In cointegrating regressions, estimators and test statistics are nuisance parameter dependent. This paper addresses this problem from an identification-robust perspective. Confidence sets for the long-run coefficient (denoted β) are proposed that invert LR-tests against an unrestricted or a cointegration-restricted alternative. For empirically relevant special cases, we provide analytical solutions to the inversion problem. A simulation study, imposing and relaxing strong exogeneity, analyzes our methods relative to standard Maximum Likelihood, Fully Modified and Dynamic OLS, and a stationarity-test based counterpart. In contrast with all the above, proposed methods have good size regardless of the identification status, and good power when β is identified.