Testing for a Valid Normalization of Cointegrating Vectors in Vector Autoregressive Processes
向量自回归过程中协整向量有效归一化的检验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：摘要研究 VAR 中协整向量的归一化限制及相应检验，并以利率序列应用，直接属于协整时间序列方法。
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…
向量自回归过程中协整向量有效归一化的检验
- 研究问题
- 在向量自回归中，怎样检验协整向量的归一化限制是否有效，从而支持对长期关系的解释以及与过度识别限制的结合？
- 方法与思路
- 作者围绕归一化有效或特定线性组合不协整这两种原假设表述构造检验，并给出与协整似然比检验一致的渐近分布理论。
- 材料陈述的贡献
- 摘要称建立了检验一般归一化限制的程序及渐近理论，并通过蒙特卡洛模拟和利率数据应用展示其实际用途。
- 阅读关注点
- 核对归一化有效性的数学定义、两个原假设表述的关系、协整秩如何处理，以及归一化与过度识别限制如何区分。
- 阅读边界
- 摘要未说明统计量形式、协整秩的处理与有限样本结果，无法判断哪些归一化在何种条件下有效，或结论对模型设定的敏感性。
原文摘要
This article develops test procedures for checking the validity of general normalizing restrictions imposed on cointegrating vectors in vector autoregressive processes. Such test procedures are of importance because normalizing restrictions, possibly combined with overidentifying restrictions, are often necessary for a proper interpretation of cointegrating vectors. The null hypothesis of the authors' tests assumes that the employed normalization is valid or, alternatively, that certain linear combinations of the considered series are not cointegrated. The asymptotic distribution theory of these tests agrees with that of likelihood ratio tests for cointegration. The practical usefulness of the proposed tests is demonstrated by Monte Carlo simulation and an empirical application to interest-rate data.