THE ASYMPTOTIC DISTRIBUTION OF THE COINTEGRATION RANK ESTIMATOR UNDER THE AKAIKE INFORMATION CRITERION
AIC 下协整秩估计量的渐近分布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：摘要明确研究多变量模型中协整秩选择的渐近分布。
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
AIC 下协整秩估计量的渐近分布
- 研究问题
- 在多变量模型中使用 Akaike 信息准则选择协整秩时，所得秩估计的渐近分布如何，是否存在持续的向上偏误？
- 方法与思路
- 作者推导采用 AIC 时协整秩估计量的渐近分布，并据此考察其选择偏差；摘要未描述推导所用模型设定与技术条件。
- 材料陈述的贡献
- 摘要称该估计即使渐近地仍存在严重向上偏误，因此作者不建议使用这一准则选择协整秩；结论范围需结合全文确认。
- 阅读关注点
- 读全文应核对多变量模型、候选秩集合、其他参数的处理及渐近概率表达式，并明确严重向上偏误对应的理论设定。
- 阅读边界
- 仅据所给 RePEc 出版社摘要，完整假设、偏误量化与替代准则比较未说明，不能将结论推广为对 AIC 所有用途的评价。
原文摘要
We derive the asymptotic distribution of the estimate of the cointegration rank of a multivariate model when Akaike's information criterion is used. It is shown that the use of this criterion is ill-advised given that the estimate is severely upward biased even asymptotically.I thank the editor, Professor Peter Phillips, and three anonymous referees for comments and suggestions that improved this paper significantly. All remaining errors are my own.