ESTIMATORS FOR PERSISTENT AND POSSIBLY NONSTATIONARY DATA WITH CLASSICAL PROPERTIES
具有经典渐近性质的持久性及可能非平稳数据估计量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：摘要研究持久性、非平稳性、自回归和动态预测回归的估计推断。
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…
具有经典渐近性质的持久性及可能非平稳数据估计量
- 研究问题
- 能否构造一种估计方法，使驱动过程无论具有何种持久性，都保持平方根样本量一致性和统一渐近正态性？
- 方法与思路
- 作者提出基于矩条件的非线性估计量，通过选择矩条件使目标函数统一依概率有界，并能够应用中心极限定理。
- 材料陈述的贡献
- 摘要称该方法适用于线性自回归、预测回归及部分非线性动态模型，可使用正态临界值，模拟中的精度和检验尺寸较好。
- 阅读关注点
- 应核对统一性涵盖的持久性参数范围、矩条件构造、确定性项处理，以及所覆盖非线性动态模型的具体类别。
- 阅读边界
- 仅据所给 Crossref 版本摘要，不能推广到所有非平稳模型；完整条件、模拟设定和数值比较未说明，版本变化亦未知。
原文摘要
This paper considers a moments-based nonlinear estimator that is $\root \of T $ -consistent and uniformly asymptotically normal irrespective of the degree of persistence of the forcing process. These properties hold for linear autoregressive models, linear predictive regressions, and certain nonlinear dynamic models. Asymptotic normality is obtained because the moments are chosen so that the objective function is uniformly bounded in probability and so that a central limit theorem can be applied. Critical values from the normal distribution can be used irrespective of the treatment of the deterministic terms. Simulations show that the estimates are precise and the t -test has good size in the parameter region where the least squares estimates usually yield distorted inference.