IMPROVED AND EXTENDED END-OF-SAMPLE INSTABILITY TESTS USING A FEASIBLE QUASI-GENERALIZED LEAST SQUARES PROCEDURE
利用可行准广义最小二乘改进和扩展样本末端不稳定性检验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：摘要明确检验样本末端结构不稳定，并处理协整、时间趋势及序列相关误差。
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
利用可行准广义最小二乘改进和扩展样本末端不稳定性检验
- 研究问题
- 在线性回归、协整或时间趋势模型中，如何降低误差序列相关对样本末端不稳定性检验的影响，并容许部分非平稳误差？
- 方法与思路
- 作者利用误差自回归系数和的一致估计先对数据作准差分，再构造 FQGLS 版本的末端检验，并考察中位数无偏估计。
- 材料陈述的贡献
- 摘要称模拟中协整检验更能抵抗序列相关且功效不低于原检验；趋势模型检验允许误差过程至多具有一个单位根。
- 阅读关注点
- 应核对末端变动窗口和原假设、准差分参数估计、误差非平稳性的允许范围，以及模拟中的尺寸和功效比较设定。
- 阅读边界
- 仅据所给 Crossref 摘要，无法确认改善幅度和完整理论条件；功效比较来自指定模拟，不能推断对所有误差过程成立。
原文摘要
This paper extends the Andrews (2002, Econometrica 71, 1661–1694) and Andrews and Kim (2006, Journal of Business & Economic Statistics 24, 379–394) ordinary least squares–based end-of-sample instability tests for linear regression models. The author proposes to quasi-difference the data first using a consistent estimate of the sum of the autoregressive coefficients of the error process and then test for the end-of-sample instability. For the cointegration model, the feasible quasi-generalized least squares (FQGLS) version of the Andrews and Kim (2006) P test is considered and is shown, by simulations, to be more robust to serial correlation in the error process and to have power no less than Andrews and Kim’s original test. For the linear time trend model, the FQGLS version of the Andrews (2002) S test is considered with the error process allowed to be nonstationary up to one unit root, and the new test is shown to be robust to potentially nonstationary serial correlation. A simulation study also shows that the finite-sample properties of the proposed test can be further improved when the Andrews (1993, Econometrica 61,139–165) or Andrews and Chen (1994, Journal of Business & Economic Statistics 12, 187–204) median unbiased estimate of the sum of the autoregressive coefficients is used.