Consistent Testing for Serial Correlation of Unknown Form
未知形式序列相关的一致检验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：摘要以动态回归残差的序列相关、谱密度估计和检验功效为核心，直接对应时间序列计量方法。
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
未知形式序列相关的一致检验
- 研究问题
- 如何检验线性动态回归模型残差中未知形式的序列相关，并在回归变量可能包含滞后因变量时保持可用的渐近检验分布？
- 方法与思路
- 作者以核方法估计残差的谱密度，并用三种散度度量比较该估计与零假设谱密度，由此构造三类针对序列相关的一致检验。
- 材料陈述的贡献
- 摘要称，零假设正态极限分布不因是否包含滞后因变量而改变；并研究局部与整体功效，模拟显示对弱、强依赖均有较好功效。
- 阅读关注点
- 核对核函数和带宽条件、残差估计对极限分布的影响，以及局部与整体功效的定义，并查看与Box–Pierce检验比较的具体设定。
- 阅读边界
- 摘要未列明一致性与正态极限所需条件，也未披露模拟设计；所称核函数功效优势及弱、强依赖下的表现需结合具体设定判断。
原文摘要
This paper proposes three classes of consistent tests for serial correlation of the residuals from a linear dynamic regression model. The tests are obtained by comparing a kernel-based spectral density estimator and the null spectral density using three divergence measures. The null normal distributions are invariant whether the regressors include lagged dependent variables. Both asymptotic local and global power properties are investigated. G. Box and D. Pierce's (1970) test can be viewed as a test based on the truncated kernel; many other kernels deliver better power than Box and Pierce's test. A simulation study shows that the new tests have good power against weak and strong dependence. Copyright 1996 by The Econometric Society.