On Asymptotic Inference in Linear Cointegrated Time Series Systems
线性协整时间序列系统中的渐近推断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：摘要直接研究协整系统、单位根及其渐近推断，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…
关注这篇论文的作者
线性协整时间序列系统中的渐近推断
- 研究问题
- 当其他系统参数作为未知干扰参数时，如何对协整关系参数和单位根进行渐近推断，并允许复单位根及不同重数？
- 方法与思路
- 作者在 Le Cam 渐近统计决策框架下研究向量非平稳系统，分别考察协整关系与单位根参数，并允许各种单位根及其重数。
- 材料陈述的贡献
- 摘要称，论文处理了包含复单位根和多重单位根的推断问题，并指出该框架下通常的正态或混合正态情形并不适用。
- 阅读关注点
- 应核对局部参数化方式、干扰参数的处理、不同单位根及重数对应的极限实验，以及这些结果如何转化为可操作的推断。
- 阅读边界
- 仅据所给 Crossref 摘要；具体极限分布、推断程序和正则条件均未说明，不能据此推断其他版本的结论或变化。
原文摘要
This paper considers vector-valued nonstationary time series models, in particular, autoregressive models, whose nonstationarity is driven by a few nonstationary (induced by “unit roots”) trends, in such a way that some of the linear combinations of the components of the vector model will be stationary. Models of this form are called cointegrated models. These stationary linear combinations are called cointegrating relationships. Asymptotic inference problems associated with the parameters of the cointegrating relationships when the remaining parameters are treated as unknown nuisance parameters are considered. Similarly, inference problems associated with the unit roots are considered. All possible unit roots, including complex ones, together with their possible multiplicities, are allowed. The framework under which the asymptotic inference problems are dealt with is the one described in LeCam (1986, Asymptotic Methods in Statistical Decision Theory ) and LeCam and Yang (1990, Asymptotics in Statistics: Some Basic Concepts ), though it will be seen that the usual normal or mixed normal situations do not apply in the present context.