Estimation and Hypothesis Testing of Cointegration Vectors in Gaussian Vector Autoregressive Models
高斯向量自回归模型中协整向量的估计与假设检验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：摘要明确采用高斯向量自回归模型研究协整估计与检验，对应时间序列及 VAR 方法，未涉及冲击识别或局部投影。
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
高斯向量自回归模型中协整向量的估计与假设检验
- 研究问题
- 在允许协整的高斯向量自回归模型中，如何用似然方法确定协整秩、估计协整关系，并检验这些长期关系上的结构性约束？
- 方法与思路
- 作者对含协整的向量自回归模型进行似然分析，以降秩回归求协整关系的最大似然估计，并推导协整秩及关系约束的似然比检验。
- 材料陈述的贡献
- 摘要推导协整秩检验的渐近分布，并称协整关系估计量具有混合高斯极限，使针对协整关系的假设可采用卡方分布推断。
- 阅读关注点
- 重点区分协整秩检验与协整关系约束检验的参考分布，核对降秩估计的构造、确定性项处理及混合高斯极限成立的条件。
- 阅读边界
- 摘要未给出秩检验分布的具体形式、滞后阶数和确定性项设定，也未报告有限样本表现；不能把关系约束检验的卡方结论套用于协整秩检验。
原文摘要
This paper contains the likelihood analysis of vector autoregressive models allowing for cointegration. The author derives the likelihood ratio test for cointegrating rank and finds it asymptotic distribution. He shows that the maximum likelihood estimator of the cointegrating relations can be found by reduced rank regression and derives the likelihood ratio test of structural hypotheses about these relations. The author shows that the asymptotic distribution of the maximum likelihood estimator is mixed Gaussian, allowing inference for hypotheses on the cointegrating relation to be conducted using the Chi(" squared") distribution. Copyright 1991 by The Econometric Society.