Understanding Unit Rooters: A Helicopter Tour
理解单位根研究者：鸟瞰式导览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：题名涉及单位根，摘要明确分析一阶自回归系数及其估计量的分布，直接对应时间序列中的单位根相关推断。
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
理解单位根研究者：鸟瞰式导览
- 研究问题
- 在无常数项的一阶自回归中，为何给定估计值的系数分布可对称，而给定真实系数的估计量分布不对称，显著性水平又为何不能直接当作后验概率？
- 方法与思路
- 作者在平坦先验下用蒙特卡洛估计真实系数与最小二乘估计的联合密度，绘图比较两种条件分布，并计算将显著性水平当作后验概率所隐含的先验。
- 材料陈述的贡献
- 摘要称，两种条件分布可分别呈现对称与不对称；上述概率解释隐含的先验对估计系数敏感，并对大于一的系数赋予相当概率质量。
- 阅读关注点
- 阅读时区分抽样分布与系数后验分布，核对平坦先验的设定范围、隐含先验的推导，以及无常数项模型限制如何影响结论。
- 阅读边界
- 摘要仅涉及无常数项的单变量 AR(1) 模型，未说明模拟设置及加入趋势或常数后的情形；所示概率解释不能直接推广到所有单位根检验。
原文摘要
For the first-order univariate autoregression without constant term, the joint density (corresponding to a flat prior) for the true coefficient and its least squares estimate is estimated by Monte Carlo and graphically displayed. The graphs show how a symmetric distribution for the coefficient conditional on the estimate coexists with an asymmetric distribution for the estimate conditional on the coefficient. Prior densities implicit in treating classical significance levels as if they were Bayesian posterior probabilities are calculated. They are shown to depend sensitively on the estimated coefficient and to put substantial probability on values of the coefficient above one. Copyright 1991 by The Econometric Society.