REGRESSION MODEL FITTING WITH A LONG MEMORY COVARIATE PROCESS
长记忆协变量过程下的回归模型拟合检验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：摘要直接研究长记忆协变量、依赖误差与残差过程的渐近检验，属于时间序列方向。
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…
长记忆协变量过程下的回归模型拟合检验
- 研究问题
- 当协变量具有长记忆、误差为鞅差或长记忆移动平均过程时，如何检验回归模型拟合并确定零假设分布？
- 方法与思路
- 作者使用拟合残差的部分和过程构造检验，在误差独立于协变量的设定下分别分析两类误差对应的渐近分布。
- 材料陈述的贡献
- 摘要称鞅差误差及特定过原点多项式拟合下有已知渐近零分布，其他部分情形出现非标准分布，并提供金融例子。
- 阅读关注点
- 应核对记忆参数与误差条件、已知次数且过原点的多项式限制，以及前向溢价例子中风险溢价代理的设定。
- 阅读边界
- 仅据所给 RePEc 出版社摘要；临界值构造和一般回归形式的适用范围未说明，不能推断实际检验表现或版本变化。
原文摘要
This paper proposes some tests for fitting a regression model with a long memory covariate process and with errors that form either a martingale difference sequence or a long memory moving average process, independent of the covariate. The tests are based on a partial sum process of the residuals from the fitted regression. The asymptotic null distribution of this process is discussed in some detail under each set of these assumptions. The proposed tests are shown to have known asymptotic null distributions in the case of martingale difference errors and also in the case of fitting a polynomial of a known degree through the origin when the errors have long memory. The theory is then illustrated with some examples based on the forward premium anomaly where a squared interest rate differential proxies a time dependent risk premium. The paper also shows that the proposed test statistic converges weakly to nonstandard distributions in some cases.The authors gratefully acknowledge the helpful comments of the co-editor Don Andrews and two anonymous referees. The research of the first two authors was partly supported by NSF grant DMS 00-71619.