Detecting long-range dependence for time-varying linear models
时变线性模型的长程依赖检测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：摘要核心是局部平稳时间序列回归中的长程依赖检验及其渐近理论。
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…
时变线性模型的长程依赖检测
- 研究问题
- 在协变量与误差局部平稳、系数随时间变化且允许异方差的回归中，如何检验长程依赖，并处理检验统计量可能退化的情形？
- 方法与思路
- 作者基于非参数残差构造四类检验统计量，推导不同假设下的极限分布，并借助新的高斯近似建立自助法辅助检验。
- 材料陈述的贡献
- 摘要称自助法检验在退化和非退化情形均具有一致性，特定条件下局部功效达到经典 KPSS 检验同阶，并提供模拟与应用。
- 阅读关注点
- 应核对局部平稳与长记忆条件、非参数残差估计要求、退化超平面的定义，以及自助法构造和局部备择的具体尺度。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未给出完整条件与有限样本数值，同阶局部功效也不意味着全面优于经典方法。
原文摘要
We consider the problem of testing for long-range dependence in time-varying coefficient regression models, where the covariates and errors are locally stationary, allowing complex temporal dynamics and heteroscedasticity. We develop KPSS, R/S, V/S, and K/S-type statistics based on the nonparametric residuals. Under the null hypothesis, the local alternatives as well as the fixed alternatives, we derive the limiting distributions of the test statistics. As the four types of test statistics could degenerate when the time-varying mean, variance, long-run variance of errors, covariates, and the intercept lie in certain hyperplanes, we show the bootstrap-assisted tests are consistent under both degenerate and non-degenerate scenarios. In particular, in the presence of covariates the exact local asymptotic power of the bootstrap-assisted tests can enjoy the same order as that of the classical KPSS test of long memory for strictly stationary series. The asymptotic theory is built on a new Gaussian approximation technique for locally stationary long-memory processes with short-memory covariates, which is of independent interest. The effectiveness of our tests is demonstrated by extensive simulation studies and real data analysis.