Nonparametric bootstrap tests for independence of generalized errors
广义误差独立性的非参数自助检验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：摘要明确将序列独立性检验用于时间序列模型适切性检验，并提供日汇率序列应用，支持归入时间序列方向。
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
广义误差独立性的非参数自助检验
- 研究问题
- 当广义误差不可观测且参数需估计时，如何检验误差的序列独立性，或误差与可观测协变量之间的独立性？
- 方法与思路
- 作者将Hoeffding–Blum–Kiefer–Rosenblatt型经验过程用于广义残差，展开参数估计影响，并采用乘子自助法逼近极限分布。
- 材料陈述的贡献
- 摘要称，该框架统一处理相关独立性检验；自助重复无需重新估计参数，并以模拟和日汇率数据应用展示其表现。
- 阅读关注点
- 核对广义误差变换、经验过程一致展开的条件及参数估计影响的处理，并确认自助步骤如何保持检验有效性。
- 阅读边界
- 摘要未列出完整模型条件、检验统计量实现细节或汇率应用结果；计算简便不意味着对任意误设模型均有正确检验水平。
原文摘要
In this paper, we develop a general method of testing for independence when unobservable generalized errors are involved. Our method can be applied to testing for serial independence of generalized errors, and testing for independence between the generalized errors and observable covariates. The former can serve as a unified approach to testing the adequacy of time series models, as model adequacy often implies that the generalized errors obtained after a suitable transformation are independent and identically distributed. The latter is a key identification assumption in many nonlinear economic models. Our tests are based on a classical sample dependence measure, the Hoeffding–Blum–Kiefer–Rosenblatt‐type empirical process applied to generalized residuals. We establish a uniform expansion of the process, thereby deriving an explicit expression for the parameter estimation effect, which causes our tests not to be nuisance‐parameter‐free. To circumvent this problem, we propose a multiplier‐type bootstrap to approximate the limit distribution. Our bootstrap procedure is computationally very simple as it does not require a re‐estimation of the parameters in each bootstrap replication. Simulations and empirical applications to daily exchange rate data highlight the merits of our approach.