Uniform inference for cointegrated vector autoregressive processes
协整向量自回归过程的统一推断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：摘要明确研究协整向量自回归过程、滞后增广及其统计推断，直接对应时间序列和 VAR 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
协整向量自回归过程的统一推断
- 研究问题
- 协整向量自回归中，最小二乘估计的渐近分布存在不连续性时，如何构造统一有效的检验和置信区域？
- 方法与思路
- 作者将单变量渐近结果推广至多维过程，并研究基于这些结果、滞后增广及近期工具变量程序的统一推断方法。
- 材料陈述的贡献
- 摘要称三类路径能够支持统一有效的推断，并在两个具体模拟例子中验证理论结论和考察有限样本性质。
- 阅读关注点
- 应核对统一性覆盖的参数集合、协整结构与滞后处理，以及不同程序的检验对象、置信区域构造和有限样本差异。
- 阅读边界
- 仅据所给 OpenAlex 摘要，不能确定统一有效性的完整条件，也不能由两个模拟例子推断所有协整模型中的表现。
原文摘要
Uniformly valid inference for cointegrated vector autoregressive processes has so far proven difficult due to certain discontinuities arising in the asymptotic distribution of the least squares estimator. We extend asymptotic results from the univariate case to multiple dimensions and show how inference can be based on these results. Furthermore, we show that lag augmentation and a recent instrumental variable procedure can also yield uniformly valid tests and confidence regions. We verify the theoretical findings and investigate finite sample properties in simulation experiments for two specific examples.