Asymptotic approximations in the near‐integrated model with a non‐zero initial condition
非零初始条件下近单整模型的渐近近似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：摘要直接研究近单整一阶自回归模型及其估计量的时间序列渐近近似。
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
非零初始条件下近单整模型的渐近近似
- 研究问题
- 在初始条件非零的近单整一阶自回归模型中，不同渐近近似对最小二乘估计量有限样本分布的逼近有多准确？
- 方法与思路
- 作者扩展相关联合矩母函数的展开，并将其与随机展开及连续时间近似比较，通过蒙特卡洛模拟评估有限样本表现。
- 材料陈述的贡献
- 摘要称，初始条件非零时，连续时间近似表现良好，其他方法仅在零初始条件时显示改善，突出初始条件的重要性。
- 阅读关注点
- 应核对近单整参数化、初始条件的设定与尺度，以及不同近似在何种样本量和参数范围下进行比较。
- 阅读边界
- 摘要未提供展开公式、误差度量或模拟参数；所报比较具有设计依赖性，不能据此断言连续时间近似普遍最优。
原文摘要
This paper considers various asymptotic approximations in the near-integrated first-order autoregressive model with a non-zero initial condition. We first extend the work of Knight and Satchell (1993), who considered the random walk case with a zero initial con-dition, to derive the expansion of the relevant joint moment generating function in this more general framework. We also consider, as alternative approximations, the stochastic expansion of Phillips (1987c) and the continuous-time approximation of Perron (1991a). We assess, via a Monte Carlo simulation study, the extent to which these alternative methods provide adequate approximations to the finite sample distribution of the least-squares estimator in a first-order autoregressive model. The results show that, when the initial condition is non-zero, Perron�s (1991a) continuous-time approximation performs very well while the others only offer improvements when the initial condition is zero.