MULTIVARIATE METHODS FOR MONITORING STRUCTURAL CHANGE
结构变化实时监测的多变量方法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：摘要直接研究多个序列的结构变化实时检测，并应用于英国价格指数面板，对应结构变化和宏观面板两个方向。
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…
结构变化实时监测的多变量方法
- 研究问题
- 当多个序列出现共同断点时，联合实时监测能否比逐个序列监测更快或更可靠地发现结构变化？
- 方法与思路
- 作者为最大值与平均值CUSUM检测统计量发展渐近理论，通过蒙特卡洛考察检测表现，并应用于英国价格指数面板。
- 材料陈述的贡献
- 摘要称，在共同变化序列足够多时，两种检测方法优于单变量方法，且对误差因子相关和断点日期异质性较稳健。
- 阅读关注点
- 应核对监测边界和临界值的设定、共同变化序列数量条件，以及横截面相关与不同断点日期如何进入理论和模拟。
- 阅读边界
- 仅依据所给Crossref摘要；渐近条件、误报控制和检测延迟数值未说明，稳健性结论不能超出所研究的实验范围。
原文摘要
SUMMARY Detection of structural change is a critical empirical activity, but continuous ‘monitoring’ for changes in real time raises well‐known econometric issues that have been explored in a single series context. If multiple series co‐break then it is possible that simultaneous examination of a set of series helps identify changes with higher probability or more rapidly than when series are examined on a case‐by‐case basis. Some asymptotic theory is developed for maximum and average CUSUM detection tests. Monte Carlo experiments suggest that these both provide an improvement in detection relative to a univariate detector over a wide range of experimental parameters, given a sufficiently large number of co‐breaking series. This is robust to a cross‐sectional correlation in the errors (a factor structure) and heterogeneity in the break dates. We apply the test to a panel of UK price indices. Copyright © 2011 John Wiley & Sons, Ltd.