Testing for Serial Correlation: Generalized Andrews–Ploberger Tests
序列相关检验：广义Andrews–Ploberger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：摘要的核心是时间序列的序列相关检验及统计依赖处理，GARCH仅作例子，因此优先归入时间序列。
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…
关注这篇论文的作者
序列相关检验：广义Andrews–Ploberger检验
- 研究问题
- 当时间序列不存在序列相关、却仍具有统计依赖时，如何检验零相关假设，使检验能够适用于GARCH等经济金融数据生成过程？
- 方法与思路
- 作者推广Andrews–Ploberger序列相关检验，使其适用于零相关但统计依赖的数据，并以GARCH(1,1)作为典型模型例子。
- 材料陈述的贡献
- 摘要称，广义检验继承原检验对所有非白噪声备择的一致性，以及相对若干常用检验对非季节性备择的良好总体功效。
- 阅读关注点
- 阅读全文时应核对统计依赖下的零假设与白噪声定义、检验统计量和临界值如何调整，以及一致性与功效结论适用的备择范围。
- 阅读边界
- 摘要未说明允许的统计依赖结构、渐近条件或实际尺寸与功效数值；不能将零序列相关等同于独立，也不能推断检验在所有场景更优。
原文摘要
This paper considers testing the null hypothesis that a times series is uncorrelated when the time series is uncorrelated but statistically dependent. This case is of interest in economic and finance applications. The GARCH(1, 1) model is a leading example of a model that generates serially uncorrelated but statistically dependent data. The tests of serial correlation introduced by Andrews and Ploberger (1996, hereafter AP) are generalized for the purpose of testing the null. The rationale for generalizing the AP tests is that they have attractive properties for cases for which they were originally designed: they are consistent against all nonwhite-noise alternatives and have good all-round power against nonseasonal alternatives compared to several widely used tests in the literature. These properties are inherited by the generalized AP tests.