TAIL DEPENDENCE OF OLS
普通最小二乘估计的尾部依赖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：摘要研究一般回归统计量的重尾性质，未明确联系金融风险或其他所列领域细分。
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
普通最小二乘估计的尾部依赖
- 研究问题
- 当多元回归误差具有重尾时，不同回归系数的 OLS 估计量是否出现尾部依赖，拟合平方和与残差平方和是否也有类似关系？
- 方法与思路
- 作者从重尾随机变量的随机线性组合与二次组合出发，分别分析 OLS 系数估计量以及拟合平方和、残差平方和的尾部关系。
- 材料陈述的贡献
- 摘要称重尾误差会使 OLS 系数估计量产生尾部依赖，并指出拟合平方和与残差平方和也存在尾部依赖，揭示极端取值的共同变化。
- 阅读关注点
- 应核对重尾和尾部依赖的严格定义、设计矩阵及误差的条件，结论适用的系数组合，以及平方和依赖结果对常规推断的含义。
- 阅读边界
- 仅据所给 Crossref 版本摘要，无法确定尾部依赖强度及结论的完整条件；摘要未给修正推断方法，也不能推断后续刊本变化。
原文摘要
This paper shows that if the errors in a multiple regression model are heavy-tailed, the ordinary least squares (OLS) estimators for the regression coefficients are tail-dependent. The tail dependence arises, because the OLS estimators are stochastic linear combinations of heavy-tailed random variables. Moreover, tail dependence also exists between the fitted sum of squares (FSS) and the residual sum of squares (RSS), because they are stochastic quadratic combinations of heavy-tailed random variables.