ESTIMATION AND INFERENCE FOR VARYING-COEFFICIENT MODELS WITH NONSTATIONARY REGRESSORS USING PENALIZED SPLINES
利用惩罚样条估计含非平稳解释变量的变系数模型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：摘要同时研究非平稳解释变量和回归系数稳定性检验，直接支持时间序列与结构变化两个分类。
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
利用惩罚样条估计含非平稳解释变量的变系数模型
- 研究问题
- 在解释变量非平稳的变系数模型中，如何兼顾非参数估计的收敛速度与计算便利，并检验回归系数稳定性？
- 方法与思路
- 作者采用惩罚样条估计，利用其混合模型表示构造系数稳定性的似然比检验，并研究零假设分布及局部检验力。
- 材料陈述的贡献
- 摘要称估计达到核方法的最优收敛率且有计算优势，检验具有精确和渐近零假设分布，并以局部检验力讨论最优性。
- 阅读关注点
- 应核对非平稳过程类型、样条基与惩罚选择、精确分布所需条件，以及局部检验力最优性的比较范围。
- 阅读边界
- 仅据所给 Crossref 摘要；最优速率公式、计算比较和精确分布条件未说明，不能把条件性最优性推广至所有模型。
原文摘要
This paper considers estimation and inference for varying-coefficient models with nonstationary regressors. We propose a nonparametric estimation method using penalized splines, which achieves the same optimal convergence rate as kernel-based methods, but enjoys computation advantages. Utilizing the mixed model representation of penalized splines, we develop a likelihood ratio test statistic for checking the stability of the regression coefficients. We derive both the exact and the asymptotic null distributions of this test statistic. We also demonstrate its optimality by examining its local power performance. These theoretical findings are well supported by simulation studies.