Estimating the Kronecker indices of cointegrated echelon‐form VARMA models
协整阶梯形 VARMA 模型的 Kronecker 指数估计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：摘要围绕 VARMA 动态系统、非平稳过程与协整条件下的阶数选择展开，直接属于时间序列方法。
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
协整阶梯形 VARMA 模型的 Kronecker 指数估计
- 研究问题
- 如何估计决定 VARMA 阶梯形参数化的 Kronecker 指数，以及不同方法在含协整变量的非平稳系统中表现如何？
- 方法与思路
- 作者比较三种逐方程估计并使用阶数选择准则的方法，通过协整系统模拟，考察顺序纳入既有阶梯形约束的作用。
- 材料陈述的贡献
- 摘要称，在所考察的小样本模拟中，采用顺序算法并纳入前序步骤所隐含的全部阶梯形约束，能够改善估计表现。
- 阅读关注点
- 应核对三种选择准则、顺序算法的执行细节，以及模拟中的协整秩、样本规模与指数配置如何影响选择结果。
- 阅读边界
- 摘要仅称这些方法预期适用于非平稳协整过程，未说明一致性条件、模拟数值及改善范围，不能据此认定普遍占优。
原文摘要
VARMA models can be parameterized by using the echelon form, which is characterized by the Kronecker indices. Three different methods for estimating the Kronecker indices of echelon-form VARMA models are discussed and compared. The three methods are expected to work even for non-stationary processes with cointegrated variables. They have the common feature of estimating the individual equations of the system separately and using order selection criteria. The small sample performance of the methods is compared in a simulation study for cointegrated systems. It is found that the performance is better if a sequential algorithm is used in which all echelon-form restrictions implied by the Kronecker indices found in preceding steps are incorporated.