Functional-coefficient models for nonstationary time series data
非平稳时间序列的函数系数模型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：摘要直接研究含平稳与非平稳变量的时间序列函数系数回归。
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
非平稳时间序列的函数系数模型
- 研究问题
- 在同时包含平稳与非平稳协变量的函数系数回归中，系数函数如何估计，其收敛速度与极限分布如何变化？
- 方法与思路
- 作者发展局部线性估计，推导不同协变量情形的渐近分布，提出最小化渐近均方误差的两阶段方法，并分析边界行为。
- 材料陈述的贡献
- 摘要称，平稳与非平稳协变量对应不同收敛速度；非平稳变量驱动的系数估计具有涉及布朗运动局部时的混合正态极限。
- 阅读关注点
- 应核对系数函数的驱动变量、带宽选择、两阶段最优性的定义，以及局部时进入极限分布和边界修正的方式。
- 阅读边界
- 仅据所给出版社摘要，无法判断非平稳过程类别、光滑性要求和可实施推断步骤，也未提供有限样本或应用结果。
原文摘要
This paper studies functional coefficient regression models with nonstationary time series data, allowing also for stationary covariates. A local linear fitting scheme is developed to estimate the coefficient functions. The asymptotic distributions of the estimators are obtained, showing different convergence rates for the stationary and nonstationary covariates. A two-stage approach is proposed to achieve estimation optimality in the sense of minimizing the asymptotic mean squared error. When the coefficient function is a function of a nonstationary variable, the new findings are that the asymptotic bias of its nonparametric estimator is the same as the stationary covariate case but convergence rate differs, and further, the asymptotic distribution is a mixed normal, associated with the local time of a standard Brownian motion. The asymptotic behavior at boundaries is also investigated.