Interaction Between Autocorrelation and Conditional Heteroscedasticity: A Random-Coefficient Approach
自相关与条件异方差的相互作用：随机系数方法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：摘要以自回归扰动联合分析自相关与条件异方差，并检验专家通胀预期的无偏性，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…
自相关与条件异方差的相互作用：随机系数方法
- 研究问题
- 在回归误差同时具有自相关和自回归条件异方差时，分别处理两种设定问题会怎样影响平稳性判断与统计推断，能否在统一框架中分析？
- 方法与思路
- 作者采用带随机系数自回归扰动的线性回归模型，同时分析自相关与自回归条件异方差，研究平稳性条件和检验，并应用于专家通胀预期。
- 材料陈述的贡献
- 摘要称，平稳性条件和检验结果显示自相关与条件异方差存在强相互作用；通胀预期实例表明，遗漏异方差或误设自相关可能导致不可靠推断。
- 阅读关注点
- 阅读时应核对随机系数如何产生条件异方差、平稳性条件与检验的具体设定，以及通胀预期实例中误设对无偏性检验的影响。
- 阅读边界
- 摘要未说明随机系数分布、检验形式及经验结果幅度；所述相互作用与推断风险依赖具体模型，不能据此认定所有回归都存在同样后果。
原文摘要
In applied econometrics, the authors tend to tackle specification problems one at a time rather than considering them jointly. This has serious consequences for statistical inference. One example of this is considering autocorrelation and autoregressive conditional heteroscedasticity separately. In this article, the authors consider a linear regression model with random coefficient autoregressive disturbances that provides a convenient framework to analyze autocorrelation and autoregressive conditional heteroscedasticity simultaneously. Their stationarity conditions and testing results reveal the strong interaction between autoregressive conditional heteroscedasticity and autocorrelation. An empirical example of testing the unbiasedness of experts' expectations of inflation demonstrates that neglecting conditional heteroscedasticity or misspecifying the autocorrelation structure might result in unreliable inference.