Inference in a stationary/nonstationary autoregressive time‐varying‐parameter model
平稳与非平稳自回归时变参数模型中的推断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 AR(1) 时间序列中时变平稳性、单位根行为及局部参数推断。
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
平稳与非平稳自回归时变参数模型中的推断
- 研究问题
- 研究确定性时变参数 AR(1) 模型在平稳、单位根及局部单位根状态之间平滑转换时，如何对任意时点的自回归参数推断。
- 方法与思路
- 作者采用局部最小二乘估计，处理相关初始条件的内生性，推导不同局部状态下估计量和 t 统计量的极限分布。
- 材料陈述的贡献
- 摘要据此构造置信区间与中位数无偏区间估计量，并称覆盖概率在平稳和非平稳行为之间具有统一的渐近有效性。
- 阅读关注点
- 应核对参数平滑性、局部窗口与带宽条件，以及统一覆盖所针对的过程类别、初始条件处理和区间构造步骤。
- 阅读边界
- 仅据所给 Crossref 摘要，不能推断其他版本变化；统一性所需条件及有限样本表现未说明，不能等同于所有过程下精确覆盖。
原文摘要
This paper considers nonparametric estimation and inference in first‐order autoregressive (AR(1)) models with deterministically time‐varying parameters. A key feature of the proposed approach is to allow for time‐varying stationarity in some time periods, time‐varying nonstationarity (i.e., unit root or local‐to‐unit root behavior) in other periods, and smooth transitions between the two. The estimation of the AR parameter at any time point is based on a local least squares regression method, where the relevant initial condition is endogenous. We obtain limit distributions for the AR parameter estimator and t‐statistic at a given point τ in time when the parameter exhibits unit root, local‐to‐unity, or stationary/stationary‐like behavior at time τ . These results are used to construct confidence intervals and median‐unbiased interval estimators for the AR parameter at any specified point in time. The confidence intervals have correct asymptotic coverage probabilities with the coverage holding uniformly over stationary and nonstationary behavior of the observations.