ASYMPTOTICALLY UNIFORMLY MOST POWERFUL TESTS FOR UNIT ROOTS IN GAUSSIAN PANELS WITH CROSS-SECTIONAL DEPENDENCE GENERATED BY COMMON FACTORS
共同因子生成横截面依赖的高斯面板中渐近一致最强的单位根检验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：摘要明确研究具有共同因子横截面依赖的面板单位根检验，直接涉及宏观面板、因子模型与时间序列。
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…
共同因子生成横截面依赖的高斯面板中渐近一致最强的单位根检验
- 研究问题
- 高斯面板的横截面依赖由共同因子产生时，单位根检验的局部功效上界是什么，如何在特异项长期方差异质时达到该上界？
- 方法与思路
- 作者在受限因子面板框架下构造局部渐近正态实验，利用 Le Cam 理论推导功效包络，并据此提出新的单位根检验。
- 材料陈述的贡献
- 摘要称，两类框架具有相同中心序列与信息量；新检验容许特异项长期方差异质仍达到包络，模拟显示异质性较大时功效提升。
- 阅读关注点
- 应核对高斯性、共同因子和两类框架的限制，明确局部备择与联合渐近方案，并检查长期方差异质性如何进入有效检验。
- 阅读边界
- 仅据所给 Crossref 版本摘要，最强性仅能按所述受限框架理解；具体条件和功效增幅未说明，不能推广或推断其他版本变化。
原文摘要
This paper considers testing for unit roots in Gaussian panels with cross-sectional dependence generated by common factors. Within our setup, we can analyze restricted versions of the two prevalent approaches in the literature, that of Moon and Perron (2004, Journal of Econometrics 122, 81–126), who specify a factor model for the innovations, and the PANIC setup proposed in Bai and Ng (2004, Econometrica 72, 1127–1177), who test common factors and idiosyncratic deviations separately for unit roots. We show that both frameworks lead to locally asymptotically normal experiments with the same central sequence and Fisher information. Using Le Cam’s theory of statistical experiments, we obtain the local asymptotic power envelope for unit-root tests. We show that the popular Moon and Perron (2004, Journal of Econometrics 122, 81–126) and Bai and Ng (2010, Econometric Theory 26, 1088–1114) tests only attain the power envelope in case there is no heterogeneity in the long-run variance of the idiosyncratic components. We develop a new test which is asymptotically uniformly most powerful irrespective of possible heterogeneity in the long-run variance of the idiosyncratic components. Monte Carlo simulations corroborate our asymptotic results and document significant gains in finite-sample power if the variances of the idiosyncratic shocks differ substantially among the cross-sectional units.