Panel unit root tests in the presence of a multifactor error structure
多因子误差结构下的面板单位根检验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：摘要研究多共同因子下的面板单位根，并应用于跨国实际利率和实际股票价格序列。
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…
多因子误差结构下的面板单位根检验
- 研究问题
- 当面板误差含有多个共同因子时，如何构造单位根检验，使其极限分布摆脱干扰参数，并保持可用的有限样本表现？
- 方法与思路
- 作者利用其他观测序列中的共同因子信息扩展 CIPS，并提出截面增广 Sargan–Bhargava 统计量简单平均形成的 CSB 检验。
- 材料陈述的贡献
- 摘要称，因子数已知且辅助序列数至少为因子数减一时，极限分布无干扰参数；所考察小样本设计中 CSB 表现优于 CIPS。
- 阅读关注点
- 应核对辅助序列如何覆盖共同因子、因子数未知时如何处理，以及不同截面和时间维度下的检验尺寸与功效比较。
- 阅读边界
- 仅据所给出版社摘要，无法判断因子数未知时的完整保证或模拟优势大小；有限样本结论限于所考察设计，不能普遍推广。
原文摘要
This paper extends the cross-sectionally augmented panel unit root test (CIPS) proposed by Pesaran (2007) to the case of a multifactor error structure, and proposes a new panel unit root test based on a simple average of cross-sectionally augmented Sargan–Bhargava statistics (CSB). The basic idea is to exploit information regarding the m unobserved factors that are shared by k observed time series in addition to the series under consideration. Initially, we develop the tests assuming that m0, the true number of factors, is known and show that the limit distribution of the tests does not depend on any nuisance parameters, so long as k≥m0−1. Small sample properties of the tests are investigated by Monte Carlo experiments and are shown to be satisfactory. Particularly, the proposed CIPS and CSB tests have the correct size for all combinations of the cross section (N) and time series (T) dimensions considered. The power of both tests rises with N and T, although the CSB test performs better than the CIPS test for smaller sample sizes. The various testing procedures are illustrated with empirical applications to real interest rates and real equity prices across countries.