Bootstrap Algorithms for Testing and Determining the Cointegration Rank in VAR Models
VAR 模型中协整秩检验与选择的自助法算法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：摘要研究降秩 VAR 的协整秩检验与选择，核心是多变量时间序列的长期关系，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
VAR 模型中协整秩检验与选择的自助法算法
- 研究问题
- 在带受限线性趋势的降秩 VAR 中，如何用自助法检验并确定协整秩，且该方法能获得何种渐近有效性与选秩保证？
- 方法与思路
- 作者分析带受限线性趋势、误差独立同分布的降秩 VAR 自助法，并将其零假设下渐近分布与常规似然比检验进行比较。
- 材料陈述的贡献
- 摘要称协整秩检验的自助法具有一致性，并证明选秩程序低估真实秩的概率趋于零；这是摘要明确给出的秩选择保证。
- 阅读关注点
- 核对自助重抽样方式、零假设施加规则及趋势处理，并区分检验分布一致性、低估概率趋零和正确选择真实秩三类结论。
- 阅读边界
- 摘要的选秩一致性仅明确为低估概率趋零，未说明高估概率是否消失；误差独立同分布与受限趋势之外的适用性及小样本表现也未说明。
原文摘要
In this paper a bootstrap algorithm for a reduced rank vector autoregressive model with a restricted linear trend and independent, identically distributed errors is analyzed. For testing the cointegration rank, the asymptotic distribution under the hypothesis is the same as for the usual likelihood ratio test, so that the bootstrap is consistent. It is furthermore shown that a bootstrap procedure for determining the rank is asymptotically consistent in the sense that the probability of choosing the rank smaller than the true one converges to zero.