A SIEVE BOOTSTRAP TEST FOR COINTEGRATION IN A CONDITIONAL ERROR CORRECTION MODEL
条件误差修正模型中的协整筛式 bootstrap 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：摘要直接研究条件误差修正模型中的协整检验及处理时间依赖的筛式 bootstrap。
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…
条件误差修正模型中的协整筛式 bootstrap 检验
- 研究问题
- 单方程条件误差修正模型的协整 Wald 检验，能否通过处理序列依赖的 bootstrap 改善有限样本尺寸？
- 方法与思路
- 作者采用多变量筛式 bootstrap 构造协整 Wald 检验，证明渐近有效性，并与渐近检验和其他 bootstrap 方法模拟比较。
- 材料陈述的贡献
- 摘要称，新检验相对渐近检验改善尺寸且功效相近；模拟中纳入充分确定性成分后，检验对真实趋势值不敏感。
- 阅读关注点
- 应核对条件模型设定、筛式阶数和重抽样机制，以及确定性成分何谓充分、渐近有效性所需的依赖条件。
- 阅读边界
- 仅据所给 Crossref 摘要，筛式阶数选择、正则条件与模拟数值未说明，尺寸改善及趋势稳健性不能直接普遍化。
原文摘要
In this paper we propose a bootstrap version of the Wald test for cointegration in a single-equation conditional error correction model. The multivariate sieve bootstrap is used to deal with dependence in the series. We show that the introduced bootstrap test is asymptotically valid. We also analyze the small sample properties of our test by simulation and compare it with the asymptotic test and several alternative bootstrap tests. The bootstrap test offers significant improvements in terms of size properties over the asymptotic test, while having similar power properties. The sensitivity of the bootstrap test to the allowance for deterministic components is also investigated. Simulation results show that the tests with sufficient deterministic components included are insensitive to the true value of the trends in the model and retain correct size.