Prewhitened Long-Run Variance Estimation Robust to Nonstationarity
对非平稳性稳健的预白化长期方差估计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：摘要直接研究非平稳序列的自相关、长期方差与稳健检验，支持时间序列分类，但未说明具体宏观应用。
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…
关注这篇论文的作者
对非平稳性稳健的预白化长期方差估计
- 研究问题
- 当数据存在非平稳性、自相关和异方差时，如何估计长期方差，使回归等场景中的假设检验兼顾原假设下的尺寸与备择下的功效？
- 方法与思路
- 作者提出非参数非线性 VAR 预白化的长期方差估计，显式考虑非平稳性，并利用长期方差估计的均方误差界选择数据驱动带宽。
- 材料陈述的贡献
- 摘要称，新估计支持原假设拒绝率较准确且功效单调性良好的检验，并给出比既有结果更精细的长期方差估计均方误差界。
- 阅读关注点
- 应核对允许的非平稳过程类别、预白化与带宽选择步骤，以及误差界成立条件和尺寸、功效比较所用的具体模拟设计。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未经核验；摘要未说明具体正则条件、误差界形式或数值结果，不能据此判断普遍优势。
原文摘要
We introduce a nonparametric nonlinear VAR prewhitened long-run variance (LRV) estimator for the construction of standard errors robust to autocorrelation and heteroskedasticity that can be used for hypothesis testing in a variety of contexts including the linear regression model. Existing methods either are theoretically valid only under stationarity and have poor finite-sample properties under nonstationarity (i.e., fixed-b methods), or are theoretically valid under the null hypothesis but lead to tests that are not consistent under nonstationary alternative hypothesis (i.e., both fixed-b and traditional HAC estimators). The proposed estimator accounts explicitly for nonstationarity, unlike previous prewhitened procedures which are known to be unreliable, and leads to tests with accurate null rejection rates and good monotonic power. We also establish MSE bounds for LRV estimation that are sharper than previously established and use them to determine the data-dependent bandwidths.