The Size‐Power Tradeoff in HAR Inference
HAR 推断中的检验尺寸与功效权衡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：摘要直接研究时间序列回归中的异方差、自相关稳健检验与长期方差估计，因此归入时间序列方向。
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…
HAR 推断中的检验尺寸与功效权衡
- 研究问题
- 在时间序列回归的异方差与自相关稳健推断中，核函数和截断参数如何共同决定检验尺寸与功效之间的权衡？
- 方法与思路
- 作者利用高阶展开，在高斯多变量位置模型中推导采用 fixed-b 临界值的核检验与加权正交级数检验的统一前沿。
- 材料陈述的贡献
- 摘要称，QS 核达到总体前沿，等权周期图达到使用 t 或 F 临界值的子类前沿；限制于该子类所付出的代价较小。
- 阅读关注点
- 重点核对前沿的尺寸与功效度量、高阶展开的条件、两类前沿的可比性，以及随机回归量模拟如何支持结论的延伸。
- 阅读边界
- 理论前沿针对高斯多变量位置模型；向随机回归量的延伸仅获摘要所述模拟支持，不能据此认定在一般时间序列中同样成立。
原文摘要
Heteroskedasticity‐ and autocorrelation‐robust (HAR) inference in time series regression typically involves kernel estimation of the long‐run variance. Conventional wisdom holds that, for a given kernel, the choice of truncation parameter trades off a test's null rejection rate and power, and that this tradeoff differs across kernels. We formalize this intuition: using higher‐order expansions, we provide a unified size‐power frontier for both kernel and weighted orthonormal series tests using nonstandard “fixed‐ b ” critical values. We also provide a frontier for the subset of these tests for which the fixed‐ b distribution is t or F . These frontiers are respectively achieved by the QS kernel and equal‐weighted periodogram. The frontiers have simple closed‐form expressions, which show that the price paid for restricting attention to tests with t and F critical values is small. The frontiers are derived for the Gaussian multivariate location model, but simulations suggest the qualitative findings extend to stochastic regressors.