Modified Stationarity Tests With Data-Dependent Model-Selection Rules
采用数据依赖模型选择规则的修正平稳性检验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：摘要明确研究平稳原假设与单位根备择下的检验、ARIMA 选阶及月度宏观序列，直接属于时间序列方法。
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…
关注这篇论文的作者
采用数据依赖模型选择规则的修正平稳性检验
- 研究问题
- 以平稳为原假设、单位根为备择的检验，能否通过调整统计量和数据依赖的选阶规则，改善对非平稳序列的辨别能力？
- 方法与思路
- 作者修改平稳性检验，将单位根备择下的阶由 O_p(T) 提高到 O_p(T²)，并提出检验所依赖的 ARIMA 模型的自回归选阶方法。
- 材料陈述的贡献
- 摘要称修改后的检验在模拟中表现良好，并在美国月度宏观数据中获得失业率存在单位根的新证据，具体结果需阅读全文核对。
- 阅读关注点
- 核对阶数提升所需条件、数据依赖选阶规则的准则与范围，以及模拟中的尺寸和功效、失业率应用的模型设定。
- 阅读边界
- 摘要未给出选阶规则、模拟设计或样本期；“最优”选阶的评价标准与失业率单位根结论的稳健性均需阅读全文确认。
原文摘要
We describe some simple methods for improving the performance of stationarity tests (i.e., tests that have a stationary null and a unit-root alternative). Specifically, we increase the rate of convergence of the test under the unit-root alternative from O p(T) to O p (T 2), then suggest an optimal method of selecting the order of the autoregressive component in the fitted autoregressive integrated moving average model on which the test is based. Simulation evidence suggests that these modifications work well. We apply the modified procedure to U.S. monthly macroeconomic data and uncover new evidence of a unit root in unemployment.