Least Squares Regression with Integrated or Dynamic Regressors under Weak Error Assumptions
弱误差假设下含单整或动态回归量的最小二乘回归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：摘要明确研究单整回归量、动态线性回归及爆炸和非混合误差，属于时间序列回归的渐近理论。
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
弱误差假设下含单整或动态回归量的最小二乘回归
- 研究问题
- 在单整回归量配合爆炸且非混合误差，或动态回归中变量可能具有无限方差时，最小二乘估计能否保持一致？
- 方法与思路
- 作者分别研究单整回归量的多元回归与动态线性回归，建立最小二乘一致性，并在前一设定的部分情形推导极限分布。
- 材料陈述的贡献
- 摘要称即使误差具有爆炸、非混合特征，或动态模型中的回归量与误差可能无限方差，仍可在相应条件下得到一致性。
- 阅读关注点
- 应核对两类模型分别需要的弱误差条件、单整和爆炸性质的定义，以及获得渐近分布的特定情形与收敛速度。
- 阅读边界
- 仅依据所给 Crossref 摘要；完整依赖和尾部条件未说明，一致性结论不能推广到所有非混合或无限方差过程。
原文摘要
This paper establishes consistency of least squares estimators in (i) a multiple regression model with integrated regressors and explosive, non-mixing errors, and (ii) a dynamic linear regression model with regressors and errors that may have infinite variances. In the former context, the asymptotic distribution of the least squares estimator also is obtained, in certain cases.