Regression-based analysis of cointegration systems
基于回归的协整系统分析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：摘要直接研究单位根、协整秩、长期参数与误差修正系统，属于时间序列方向，未涉及结构冲击识别。
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
基于回归的协整系统分析
- 研究问题
- 在不参数化短期动态的前提下，如何自动确定协整秩及长期参数的恰好识别条件，使三角形式估计更便于实施？
- 方法与思路
- 作者结合单位根检验与基于回归的协整检验，构造协整秩估计和数据驱动的恰好识别条件，由此得到 Phillips 三角形式。
- 材料陈述的贡献
- 摘要称，该程序无需预先指定短期成分的参数形式，可自动提供协整秩和长期参数识别条件，并配有模拟与实证应用。
- 阅读关注点
- 应核对检验顺序、秩选择误差如何影响后续估计、非协整回归变量的选取规则，以及自动程序依赖哪些时间序列条件。
- 阅读边界
- 仅据所给 RePEc 出版社摘要；具体算法、检验阈值及模拟和实证结果未说明，不能判断选择稳定性，也不推断版本变化。
原文摘要
Two estimation procedures dominate the cointegration literature: Johansen’s maximum likelihood inference on vector autoregressive error correction models and estimation of Phillips’ triangular forms. This latter methodology is essentially semiparametric, focusing on estimating long run parameters by means of cointegrating regressions. However, it is less used in practice than Johansen’s approach, since its implementation requires prior knowledge of features such as the cointegrating rank and an appropriate set of non-cointegrated regressors. In this paper we develop a simple and automatic procedure (based on unit root and regression-based cointegration testing) which, without imposing a parametric specification for the short run components of the model, provides an estimator of the cointegrating rank and data-based just-identifying conditions for the cointegrating parameters which lead to a Phillips’ triangular form. A Monte Carlo analysis of the properties of the estimator and an empirical application are also provided.