Variable Selection Based Testing for Parameter Changes in Regression with Autoregressive Dependence
自回归依赖回归中基于变量选择的参数变化检验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：摘要核心是自回归依赖回归中的参数变点检测，并包含工业生产等经济时间序列应用。
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…
自回归依赖回归中基于变量选择的参数变化检验
- 研究问题
- 研究包含自回归项且变量较多的回归模型中，如何检测参数变点，并容许解释变量和误差存在非线性依赖。
- 方法与思路
- 作者将变量选择纳入变点显著性检验，覆盖低中维及实际维度较高的稀疏模型，并在固定维度框架下建立渐近理论。
- 材料陈述的贡献
- 摘要称方法经过模拟与经济数据评估，并用于检测美国能源股票组合和工业生产指数对风险因素响应的变化。
- 阅读关注点
- 应核对变量选择对检验分布的影响、依赖条件，以及固定维度理论能够支持多大实际维度和哪些稀疏设定。
- 阅读边界
- 仅据所给 OpenAlex 版本摘要，不能声称具有维度随样本增长的高维保证，也不能推断后续刊本变化。
原文摘要
We consider a regression model with autoregressive terms and propose significance tests for the detection of change points in this model. Our tests are applicable to both low- or moderate dimension and to high-dimension with sparse regressors. The dimension may be high from the practical point of view of economic and business applications, but in our theoretical framework it is fixed. To accommodate practically high dimension, variable selection is incorporated as an integral part of our approach. The regressors and the errors can exhibit general nonlinear dependence and the model incorporates autoregressive dependence. We develop asymptotic justification and evaluate the performance of the tests both on simulated and real economic data. We test for and estimate changes in responses to risk factors of a U.S. energy stocks portfolio and the Industrial Production index. We relate our findings to macroeconomic policy changes and global impact events.