JOINT TIME-SERIES AND CROSS-SECTION LIMIT THEORY UNDER MIXINGALE ASSUMPTIONS
混合鞅假设下时间序列与横截面的联合极限理论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：摘要直接研究序列相关、严格平稳与长期方差下的时间序列联合极限理论。
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…
混合鞅假设下时间序列与横截面的联合极限理论
- 研究问题
- 在存在总体不确定性、估计量同时使用横截面和时间序列样本时，如何容许时间序列相关并刻画两类样本的联合极限分布？
- 方法与思路
- 作者在 mixingale 假设下扩展联合收敛理论，容许时间序列相关，同时施加时间序列严格平稳及两类样本之间的条件独立性。
- 材料陈述的贡献
- 摘要称所得时间序列极限包含熟悉的长期方差形式，可用于总体不确定性下、具有理性前瞻主体的模型中组合两类数据的估计量。
- 阅读关注点
- 应核对条件独立是相对于何种信息集、mixingale 条件及联合收敛方式，以及长期方差如何进入实际估计量的推断。
- 阅读边界
- 摘要未说明具体估计量、长期方差估计方法和完整增长条件；结论依赖严格平稳与条件独立；解读限于所给 Crossref 摘要。
原文摘要
In this paper, we complement joint time-series and cross-section convergence results derived in a companion paper Hahn, Kuersteiner, and Mazzocco (2016, Central Limit Theory for Combined Cross-Section and Time Series) by allowing for serial correlation in the time-series sample. The implications of our analysis are limiting distributions that have a well-known form of long-run variances for the time-series limit. We obtain these results at the cost of imposing strict stationarity for the time-series model and conditional independence between the time-series and cross-section samples. Our results can be applied to estimators that combine time-series and cross-section data in the presence of aggregate uncertainty in models with rationally forward-looking agents.