OPTIMAL VERSUS ROBUST INFERENCE IN NEARLY INTEGRATED NON-GAUSSIAN MODELS
近积分非高斯模型中的最优推断与稳健推断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：摘要直接研究近积分时间序列模型的单位根检验，以及非高斯误差下的功效与稳健性。
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
近积分非高斯模型中的最优推断与稳健推断
- 研究问题
- 非高斯近积分模型中，针对已知误差分布构造的点最优单位根检验，如何与厚尾稳健性及趋势参数最优性取舍？
- 方法与思路
- 作者推导非高斯误差下的一类点最优检验，比较已知厚尾分布时的功效，并讨论分布未知且不对称时的表现。
- 材料陈述的贡献
- 摘要称已知厚尾分布下点最优检验通常更有力，但未知不对称分布下可能表现很差，揭示稳健性与最优性的权衡。
- 阅读关注点
- 应核对点最优所针对的备择、趋势系数处理、误差分布已知的作用，以及不对称误设造成不良表现的评价指标。
- 阅读边界
- 仅据所给 RePEc 出版社摘要；误差类别和比较数值未说明，不能认定点最优或稳健检验普遍更好，也不能推断版本变化。
原文摘要
Elliott, Rothenberg, and Stock (1996, Econometrica 64, 813–836) derive a class of point-optimal unit root tests in a time series model with Gaussian errors. Other authors have proposed “robust” tests that are not optimal for any model but perform well when the error distribution has thick tails. I derive a class of point-optimal tests for models with non-Gaussian errors. When the true error distribution is known and has thick tails, the point-optimal tests are generally more powerful than the tests of Elliott et al. (1996) and also than the robust tests. However, when the true error distribution is unknown and asymmetric, the point-optimal tests can behave very badly. Thus there is a trade-off between robustness to unknown error distributions and optimality with respect to the trend coefficients.This paper could not have been written without the encouragement of Thomas Rothenberg. This is based on my dissertation, which he supervised. I also thank Don Andrews, Jack Porter, Jim Stock, and seminar participants at the University of Pennsylvania, the University of Toronto, the University of Montreal, Princeton University, and the meetings of the Econometric Society in UCLA. Comments of three anonymous referees greatly improved the exposition of the paper. I owe special thanks to Gary Chamberlain for helping me to understand these results.