Model checks for nonlinear cointegrating regression
非线性协整回归的模型检验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：摘要的研究对象是非线性协整回归，涉及非平稳时间序列的模型设定与极限分布，因此归入时间序列方向。
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
非线性协整回归的模型检验
- 研究问题
- 如何检验非线性协整回归的参数化设定，并避免核平滑检验对带宽选择的依赖，同时获得可实施的原假设分布近似？
- 方法与思路
- 作者基于带标记经验过程构造设定检验，证明一类鞅的弱收敛，并构造极限原假设分布的模拟估计方法以支持实施。
- 材料陈述的贡献
- 摘要明确提出无需带宽的新统计量、弱收敛证明和极限分布模拟估计，并称模拟与实际数据示例显示良好有限样本表现。
- 阅读关注点
- 应核对协整过程及非线性函数的限制、标记变量的选择、鞅弱收敛条件，以及模拟临界值的步骤和检验对不同误设的功效。
- 阅读边界
- 所给出版社摘要未列出检验适用条件、有限样本数值或实际数据内容；无需带宽并不自动意味着在所有设定下表现更好。
原文摘要
Using the marked empirical processes, this paper develops a test of parametric specification in a nonlinear cointegrating regression model. Unlike the kernel-smoothed U-statistic considered in Gao et al. (2009) and Wang and Phillips (2012), our new test statistic avoids the use of bandwidth, which has some advantages for practitioners. Simulations and a real data example show that our new test has a good finite sample performance. Other contributions of this paper are to provide a rigorous proof on weak convergence for a class of martingales and construct a simulated estimator of the limiting null distribution, which are interesting in their own rights.