A simple, robust and powerful test of the trend hypothesis
一种简单、稳健且高功效的线性趋势检验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：摘要以序列相关、I(0) 与 I(1) 冲击下的线性趋势检验为核心，直接对应时间序列方向。
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…
一种简单、稳健且高功效的线性趋势检验
- 研究问题
- 如何在未知序列相关形式、冲击可能为 I(0) 或 I(1) 的情况下检验线性趋势，并兼顾局部功效与趋势参数推断？
- 方法与思路
- 作者构造对强序列相关稳健的趋势检验，使两类冲击下零假设极限分布均为标准正态，并提供趋势估计和置信区间。
- 材料陈述的贡献
- 摘要称，检验在 I(0) 与 I(1) 下达到高斯渐近局部功效包络，相关估计渐近有效；近 I(1) 时较保守并提出修正。
- 阅读关注点
- 应核对两类冲击下的正则条件、功效包络对应的假设框架，以及近单位根时保守性的原因和修正程序的适用条件。
- 阅读边界
- 依据所给工作论文版本摘要，不能推断刊本变化；摘要未报告有限样本表现，渐近最优性也不等于所有误差过程下最优。
原文摘要
In this paper we develop a simple test procedure for a linear trend which does not require knowledge of the form of serial correlation in the data, is robust to strong serial correlation, and has a standard normal limiting null distribution under either I(0) or I(1) shocks. In contrast to other available robust linear trend tests, our proposed test achieves the Gaussian asymptotic local power envelope in both the I(0) and I(1) cases. For near-I(1) errors our proposed procedure is conservative and a modification for this situation is suggested. An estimator of the trend parameter, together with an associated confidence interval, which is asymptotically efficient, again regardless of whether the shocks are I(0) or I(1), is also provided.