Nonparametric Cointegrating Regression Functions with Endogeneity and Semi-Long Memory
具有内生性与半长记忆的非参数协整回归函数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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要直接研究协整回归、长记忆过程、序列依赖及相应时间序列设定检验。
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
具有内生性与半长记忆的非参数协整回归函数
- 研究问题
- 当协整回归的解释变量具有内生性和半长记忆、误差存在序列依赖时，如何估计非线性关系并检验参数形式设定？
- 方法与思路
- 作者以随机冲击系数的截尾衰减构造半长记忆过程，调整既有非参数协整设定检验，并用模拟和实际数据考察估计及检验。
- 材料陈述的贡献
- 摘要称修改后检验的极限理论涉及标准布朗运动局部时，并不含未知记忆参数 d，区别于既有长记忆检验的极限表达。
- 阅读关注点
- 应核对半长记忆的具体构造及渐近设定、内生性和序列依赖限制，以及消除参数 d 后检验仍需估计哪些其他量。
- 阅读边界
- 这是 arXiv 预印本，同行评审和期刊接收未经核实。摘要未提供调节参数、带宽条件或数值结果，不能判定检验有限样本表现。
原文摘要
This article develops nonparametric cointegrating regression models with endogeneity and semi-long memory. We assume that semi-long memory is produced in the regressor process by tempering of random shock coefficients. The fundamental properties of long memory processes are thus retained in the regressor process. Nonparametric nonlinear cointegrating regressions with serially dependent errors and endogenous regressors driven by long memory innovations have been considered in Wang and Phillips (2016). That work also implemented a statistical specification test for testing whether the regression function follows a parametric form. The limit theory of test statistic involves the local time of fractional Brownian motion. The present paper modifies the test statistic to be suitable for the semi-long memory case. With this modification, the limit theory for the test involves the local time of the standard Brownian motion and is free of the unknown parameter d. Through simulation studies, we investigate the properties of nonparametric regression function estimation as well as test statistic. We also demonstrate the use of test statistic through actual data sets.