Valid Bayesian Estimation of the Cointegrating Error Correction Model
协整误差修正模型的有效贝叶斯估计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。
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：题名涉及协整误差修正模型，摘要讨论协整向量估计与线性约束有效性，这些内容直接对应时间序列模型研究。
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
协整误差修正模型的有效贝叶斯估计
- 研究问题
- 在协整误差修正模型中，如何避免线性约束可能产生的无效协整向量估计，并用贝叶斯方法评估这些约束的有效性？
- 方法与思路
- 摘要以线性约束法与 Johansen 非线性极大似然法的差异为背景，提出贝叶斯估计及线性约束有效性评价方法。
- 材料陈述的贡献
- 作者提出据称始终满足有效性要求的协整向量贝叶斯估计方法，并提供评价线性约束的途径；摘要未给出实现细节。
- 阅读关注点
- 阅读时应先核对“有效”的数学定义，再看参数空间、约束设定、先验与后验计算，以及保证有效性所需的条件。
- 阅读边界
- 摘要开头残缺，未界定“有效”的具体含义，也未提供估计表现；不能据此推断无偏性、区间覆盖率或普遍优越性。
原文摘要
linear restrictions and the nonlinear method of Johansen's maximum likelihood procedure. That the linear method can produce invalid estimates while the Johansen approach always produces valid estimates has been recognized in several recent articles. Because all Bayesian studies to date have used linear restrictions, this article presents a Bayesian method for obtaining estimates of cointegrating vectors that will always be valid. In addition, it also presents an approach for evaluating the validity of linear restrictions.