Fully Modified Least Squares and Vector Autoregression
完全修正最小二乘与向量自回归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：摘要明确研究平稳性、单位根、协整及 VAR，分别对应时间序列与 VAR 方法细分。
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
完全修正最小二乘与向量自回归
- 研究问题
- 在含平稳变量、单位根及协整关系的回归或 VAR 系统中，完全修正估计能否统一处理渐近行为、协整空间估计和检验？
- 方法与思路
- 作者建立覆盖 I(0)、I(1) 解释变量及单位根模型的完全修正回归框架，将其用于含单位根和协整关系的 VAR，并发展推断理论。
- 材料陈述的贡献
- 摘要称 FM-VAR 无需预知单位根数、协整维度预检验或降秩约束即可最优估计协整空间，并允许有效但保守的渐近卡方检验。
- 阅读关注点
- 阅读全文时应核对完全修正的构造、协整空间最优估计的判据、无需预检验的条件，以及卡方检验为何有效且保守。
- 阅读边界
- 摘要未给出最优性的具体准则、修正项实现细节或有限样本证据，无法判断实际检验尺寸、功效及小样本估计表现。
原文摘要
This paper provides a general framework which makes it possible to study the asymptotic behavior of FM regression in models with I(1) and I(0) regressors, models with unit roots, and models with only stationary regressors. This framework enables us to consider the use of FM regression in the context of vector autoregressions with some unit roots and some cointegrating relations. The resulting FM-VAR regressions are shown to produce optimal estimates of the cointegration space without prior knowledge of the number of unit roots in the system, without pretesting to determine the dimension of the cointegration space and without the use of restricted regression techniques like reduced rank regression. The paper also develops an asymptotic theory for inference. It is shown that conventional chi-squared critical values can be used to construct valid (but conservative) asymptotic tests in quite general FM time series regression. Copyright 1995 by The Econometric Society.