Canonical Cointegrating Regressions
典范协整回归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：摘要明确围绕单整过程、平稳成分和协整回归的估计与检验展开，这些内容直接对应时间序列方法。
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
典范协整回归
- 研究问题
- 在协整模型中，如何通过数据变换保留原有长期关系，同时使普通最小二乘估计和假设检验具有有效的渐近性质？
- 方法与思路
- 作者利用协整模型中的平稳成分调整单整过程，以变换后的数据构造典范协整回归，再使用通常的最小二乘程序进行估计和检验。
- 材料陈述的贡献
- 摘要称，变换保留原协整关系，使最小二乘产生渐近有效估计与卡方检验，并适用于确定性、随机以及奇异、常规协整模型。
- 阅读关注点
- 重点核对平稳成分及数据变换如何构造、实际计算需估计哪些量，以及渐近有效性与卡方检验成立的条件和模型适用边界。
- 阅读边界
- 摘要未说明变换的具体公式、未知平稳成分的估计方法或有限样本表现；渐近有效性依赖全文条件，不能理解为所有协整情形都适用。
原文摘要
A new procedure for statistical inference in cointegrating regressions is developed. The author introduces canonical cointegrating regressions (regressions formulated with the transformed data). The required transformations involve simple adjustments of the integrated processes using stationary components in cointegrating models. Canonical cointegrating regressions, therefore, represent the same cointegrating relationships as the original models. They are, however, constructed in such a way that the usual least squares procedure yields asymptotically efficient estimators and chi-square tests. The methodology presented here is applicable to a very wide class of cointegrating models, including models with deterministic and singular, as well as stochastic and regular, cointegrations. Copyright 1992 by The Econometric Society.