Invariance principles for dependent processes indexed by Besov classes with an application to a Hausman test for linearity
以Besov函数类为索引的依赖过程不变原理及线性Hausman检验应用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：摘要核心是依赖经验过程的通用极限理论，未明确宏观或金融研究对象，不据其检验应用强行归类。
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
以Besov函数类为索引的依赖过程不变原理及线性Hausman检验应用
- 研究问题
- 对平稳绝对正则混合过程，函数类的光滑性、尾部行为及过程依赖强度如何共同保证函数型中心极限定理？
- 方法与思路
- 作者将括号熵界扩展至依赖边际分布和混合系数的范数，结合既有极限定理，分析加权Besov类及有界域光滑函数类。
- 材料陈述的贡献
- 摘要称在较弱依赖条件下得到多类函数的函数型中心极限定理，并以条件均值线性性的Hausman检验展示理论应用。
- 阅读关注点
- 应核对混合系数、括号熵和函数尾部的联动限制，区分尾部衰减与增长情形所需矩条件，并检查检验应用的具体推导。
- 阅读边界
- 仅据所给出版社摘要，无法判断所谓最小依赖条件的准确范围及额外矩要求；未提供线性检验的有限样本表现或具体应用数据。
原文摘要
This paper considers functional central limit theorems for stationary absolutely regular mixing processes. Bounds for the entropy with bracketing are derived using recent results in Nickl and Pötscher (2007). More specifically, their bracketing metric entropy bounds are extended to a norm defined in Doukhan, Massart and Rio (1995, henceforth DMR) that depends both on the marginal distribution of the process and on the mixing coefficients. Using these bounds, and based on a result in DMR, it is shown that for the class of weighted Besov spaces polynomially decaying tail behavior of the function class is sufficient to obtain a functional central limit theorem under minimal dependence conditions. A second class of functions that allow for a functional central limit theorem under minimal conditions are smooth functions defined on bounded sets. Similarly, a functional CLT for polynomially explosive tail behavior is obtained under additional moment conditions that are easy to check. An application to a Hausman (1978) specification test for linearity of the conditional mean illustrates the theory.