Residuals‐based tests for cointegration with generalized least‐squares detrended data
基于广义最小二乘去趋势数据的残差协整检验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：摘要直接研究非平稳时间序列的协整检验、单位根方法及局部渐近功效。
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
基于广义最小二乘去趋势数据的残差协整检验
- 研究问题
- 能否通过广义最小二乘去趋势，将近乎最优的单位根检验思路用于协整检验，并提高相对普通最小二乘版本的功效？
- 方法与思路
- 作者构造单方程静态回归或残差协整检验的GLS版本，在三角数据生成过程与特定方向限制下推导局部渐近功效函数。
- 材料陈述的贡献
- 摘要称，GLS版本相对OLS版本具有显著功效改善，模拟也显示这些增益在多种配置下较大且稳定。
- 阅读关注点
- 应核对去趋势步骤、确定性项设定与方向限制的具体含义，并检查局部渐近功效和模拟中尺寸与功效的比较口径。
- 阅读边界
- 摘要未完整列出方向限制、正则条件或模拟配置；功效改善应限定于所分析的设定，不能推广到所有协整系统。
原文摘要
We provide generalized least‐squares (GLS) detrended versions of single‐equation static regression or residuals‐based tests for testing whether or not non‐stationary time series are cointegrated. Our approach is to consider nearly optimal tests for unit roots and to apply them in the cointegration context. We derive the local asymptotic power functions of all tests considered for a triangular data‐generating process, imposing a directional restriction such that the regressors are pure integrated processes. Our GLS versions of the tests do indeed provide substantial power improvements over their ordinary least‐squares counterparts. Simulations show that the gains in power are important and stable across various configurations.