Testing for randomness in a random coefficient autoregression model
随机系数自回归模型中系数随机性的检验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：摘要直接研究普通与随机系数自回归模型，并讨论平稳和非平稳序列，明确属于时间序列方法。
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
随机系数自回归模型中系数随机性的检验
- 研究问题
- 如何区分普通自回归与随机系数自回归模型，并在序列平稳或非平稳时检验系数是否随机，以及随机性的程度是否具有实质意义？
- 方法与思路
- 作者通过两阶段加权最小二乘建立创新方差与随机系数方差的估计理论，进而构造实质随机性检验和针对非随机系数原假设的随机化统计量。
- 材料陈述的贡献
- 摘要称估计理论同时适用于平稳和非平稳情形，并支持两类随机性检验；模拟中所考察情形的检验尺寸正确且功效良好。
- 阅读关注点
- 应核对随机系数与创新项的条件、非平稳情形的覆盖范围，以及实质随机性的阈值定义、随机化步骤和临界值构造。
- 阅读边界
- 仅依据所给出版社摘要，无法确认所有非平稳过程均被覆盖，也不能量化所称良好功效；随机化实现及具体正则条件未说明。
原文摘要
We propose a test to discern between an ordinary autoregressive model, and a random coefficient one. To this end, we develop a full-fledged estimation theory for the variances of the idiosyncratic innovation and of the random coefficient, based on a two-stage WLS approach. Our results hold irrespective of whether the series is stationary or nonstationary, and, as an immediate result, they afford the construction of a test for ”relevant” randomness. Further, building on these results, we develop a randomised test statistic for the null that the coefficient is non-random, as opposed to the alternative of a standard RCA(1) model. Monte Carlo evidence shows that the test has the correct size and very good power for all cases considered.