A CONSISTENT TEST FOR CONDITIONAL HETEROSKEDASTICITY IN TIME-SERIES REGRESSION MODELS
时间序列回归模型中条件异方差的一致检验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：摘要明确研究弱依赖时间序列回归中的条件异方差检验。
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
时间序列回归模型中条件异方差的一致检验
- 研究问题
- 在数据弱依赖且回归变量包含生成变量的时间序列回归中，如何检验条件同方差，并处理检验统计量渐近收敛较慢的问题？
- 方法与思路
- 作者将既有条件同方差一致检验推广到弱依赖和生成回归变量情形，讨论参数化条件方差检验，并建议使用 bootstrap。
- 材料陈述的贡献
- 摘要称，推广后的统计量在条件同方差零假设下渐近正态，并讨论更一般条件方差设定；bootstrap 被建议用于应对慢收敛。
- 阅读关注点
- 应核对弱依赖条件、生成变量估计误差的处理、统计量标准化方式，以及 bootstrap 如何保留依赖结构并实施检验。
- 阅读边界
- 仅据所给 Crossref 摘要，无法确定具体依赖限制或重抽样方案；建议使用 bootstrap 并不等于摘要已证明其有限样本优势。
原文摘要
We show that the standard consistent test for testing the null of conditional homoskedasticity (against conditional heteroskedasticity) can be generalized to a time-series regression model with weakly dependent data and with generated regressors. The test statistic is shown to have an asymptotic normal distribution under the null hypothesis of conditional homoskedastic error. We also discuss extension of our test to the case of testing the null of a parametrically specified conditional variance. We advocate using a bootstrap method to overcome the issue of slow convergence of this test statistic to its limiting distribution.