Testing for Shifts in Trend With an Integrated or Stationary Noise Component
含单整或平稳噪声的趋势变化检验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：摘要直接研究时间序列趋势中的结构断点，并比较平稳与单整噪声下的检验表现，因此归入时间序列与结构变化。
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
含单整或平稳噪声的趋势变化检验
- 研究问题
- 当时间序列噪声的平稳性或单整性事先未知时，如何检验趋势函数的结构变化，并兼顾已知与未知断点的情形？
- 方法与思路
- 作者采用拟可行广义最小二乘法，在自回归参数之和等于一时使用超有效估计，并以偏差校正改善有限样本表现。
- 材料陈述的贡献
- 摘要称，检验在两类噪声下具有基本相同的检验水平，未知断点时需采用 Exp 泛函，且多种情形下功效接近已知参数基准。
- 阅读关注点
- 阅读全文时应核对噪声过程的条件、超有效估计与偏差校正的构造，以及未知断点下 Exp 泛函和多重断点扩展的作用。
- 阅读边界
- 摘要未给出有限样本误差、功效比较的具体情形或多重断点扩展细节，无法据此确认该检验在任意噪声过程下均适用。
原文摘要
We consider testing for structural changes in the trend function of a time series without any prior knowledge of whether the noise component is stationary or integrated. Following Perron and Yabu (2009), we consider a quasi-feasible generalized least squares procedure that uses a super-efficient estimate of the sum of the autoregressive parameters αwhen α=1. This allows tests of basically the same size with stationary or integrated noise regardless of whether the break is known or unknown, provided that the Exp functional of Andrews and Ploberger (1994) is used in the latter case. To improve the finite-sample properties, we use the bias-corrected version of the estimate of αproposed by Roy and Fuller (2001). Our procedure has a power function close to that attainable if we knew the true value of αin many cases. We also discuss the extension to the case of multiple breaks.