Testing the unit root hypothesis using generalized range statistics
使用广义极差统计量检验单位根假设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：摘要直接研究经济金融时间序列的单位根、分数单整与长记忆检验。
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
使用广义极差统计量检验单位根假设
- 研究问题
- 通常用于识别长记忆的重标极差统计量，能否推广为单位根检验，并对不同非平稳性来源保持辨别能力？
- 方法与思路
- 作者推广重标极差统计量，构造单位根检验，并通过蒙特卡洛模拟比较这些检验与常用非平稳性检验的表现。
- 材料陈述的贡献
- 摘要称所提检验对多类单整备择、分数单整及确定性趋势误设具有一致性，且在部分模拟情形下优于常用方法。
- 阅读关注点
- 应核对广义极差统计量的构造、各类备择下的一致性条件，以及模拟中的样本量、趋势设定和检验尺寸控制。
- 阅读边界
- 仅据所给摘要；其中单整阶数符号存在缺损，须查阅原PDF。摘要未说明适用条件及模拟设计，不能推断普遍优于其他检验。
原文摘要
The application of rescaled range statistics in econometrics is restricted to long memory detection in economic and financial time series. However, in this paper it is shown how such statistics can be generalized and used to test the unit root hypothesis. The proposed generalizations lead to testing procedures that are found to be consistent against I (0 , I (2 as well as against fractional integration and misspecification of the deterministic trend. A Monte Carlo simulation reveals that range-based tests can even outperform standard approaches to nonstationarity tests.