HAC ESTIMATION BY AUTOMATED REGRESSION
通过自动化回归进行 HAC 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：摘要研究通用 HAC 与长期方差的回归构造，未限定具体宏观、微观或金融模型，故不细分。
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
通过自动化回归进行 HAC 估计
- 研究问题
- 能否用标准线性回归构造保证正定的 HAC 和长期方差估计，并自动选择平滑程度，使其性质可与传统核估计比较？
- 方法与思路
- 作者利用零频谱对应关系，将估计量写为趋势基函数回归的解释平方和，并通过优化渐近均方误差选择基函数数量。
- 材料陈述的贡献
- 摘要称，该方法可用标准回归软件实现并自动保证正定，无须选择核；极限理论显示其收敛速度等性质与传统二次核 HAC 估计相当。
- 阅读关注点
- 应核对解释平方和与长期方差的对应及归一化方式、基函数选择规则，以及自动平滑参数对正定性和渐近性质的条件要求。
- 阅读边界
- 仅依据所给 RePEc 出版社摘要；仍需选择基函数与数量，具体条件和有限样本表现未说明，不能由性质相当推断全面优越或版本变化。
原文摘要
A simple regression approach to HAC and LRV estimation is suggested. The method exploits the fact that the quantities of interest relate to only one point of the spectrum (the origin). The new estimator is simply the explained sum of squares in a linear regression whose regressors are a set of trend basis functions. Positive definiteness in the estimate is therefore automatically enforced, and the technique can be implemented with standard regression packages. No kernel choice is needed in practical implementation, but basis functions need to be chosen and a smoothing parameter corresponding to the number of basis functions needs to be selected. An automated approach to making this selection based on optimizing the asymptotic mean squared error is derived. The limit theory of the new estimator shows that its properties, including the convergence rate, are comparable to those of conventional HAC estimates constructed from quadratic kernels.My thanks go to Bruce Hansen, Guido Kuersteiner, and two referees for comments on an earlier version of the paper. NSF research support under grant SES 00-92509 is acknowledged.