Initial-Condition-Robust Inference in Autoregressive Models
自回归模型中对初始条件稳健的推断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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要直接研究自回归参数、近单位根情形及时间序列置信区间。
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…
自回归模型中对初始条件稳健的推断
- 研究问题
- 当自回归参数接近或等于一、初始条件不满足平稳或固定假设时，如何构造具有可靠覆盖率的参数置信区间？
- 方法与思路
- 作者提出新的自回归参数置信区间，处理初始条件变化及误差条件异方差；摘要未说明区间构造公式和计算步骤。
- 材料陈述的贡献
- 摘要称新区间在渐近和有限样本中均对初始条件完全稳健，在平稳或固定初值下仅付出较小的区间长度代价。
- 阅读关注点
- 应核对初始条件稳健性的精确定义、误差过程限制，以及有限样本覆盖结论和区间长度比较各自成立的条件。
- 阅读边界
- 这是预印本，同行评审及期刊接收未核实；摘要未列明覆盖保证的完整条件，不能理解为对任意误差过程均有效。
原文摘要
This paper considers confidence intervals (CIs) for the autoregressive (AR) parameter in an AR model with an AR parameter that may be close or equal to one. Existing CIs rely on the assumption of a stationary or fixed initial condition to obtain correct asymptotic coverage and good finite sample coverage. When this assumption fails, their coverage can be quite poor. In this paper, we introduce a new CI for the AR parameter whose coverage probability is completely robust to the initial condition, both asymptotically and in finite samples. This CI pays only a small price in terms of its length when the initial condition is stationary or fixed. The new CI also is robust to conditional heteroskedasticity of the errors.