End-of-Sample Instability Tests
样本末端不稳定性检验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：摘要直接研究样本末端及短期结构不稳定检验，核心是潜在变化窗口固定时的有效推断，因此归入结构变化。
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
样本末端不稳定性检验
- 研究问题
- 当潜在结构变化只持续极少数观测、甚至仅一个观测时，如何检验样本末端的不稳定性，并使推断适用于更一般的误差与估计方法？
- 方法与思路
- 作者推广 Chow F 检验，覆盖最小二乘、工具变量以及由 GMM 或最大似然估计的非线性模型，并用类似子抽样的方法构造临界值。
- 材料陈述的贡献
- 摘要称在潜在变化期长度固定、基准样本增大时可得到有效渐近临界值，并将检验推广至非严格外生回归量和更一般的误差过程。
- 阅读关注点
- 重点核对零假设下严格平稳与遍历条件、短变化窗口的设定、类似子抽样的临界值构造，以及不同估计方法所需的附加条件。
- 阅读边界
- 渐近结论依赖基准样本长度趋于无穷而变化窗口固定，且零假设过程严格平稳、遍历；摘要未说明小样本尺寸、功效或多次变化表现。
原文摘要
This paper considers tests for structural instability of short duration, such as at the end of the sample. The key feature of the testing problem is that the number, m, of observations in the period of potential change is relatively small—possibly as small as one. The well-known F test of Chow (1960) for this problem only applies in a linear regression model with normally distributed iid errors and strictly exogenous regressors, even when the total number of observations, n+m, is large. We generalize the F test to cover regression models with much more general error processes, regressors that are not strictly exogenous, and estimation by instrumental variables as well as least squares. In addition, we extend the F test to nonlinear models estimated by generalized method of moments and maximum likelihood. Asymptotic critical values that are valid as n→∞ with m fixed are provided using a subsampling-like method. The results apply quite generally to processes that are strictly stationary and ergodic under the null hypothesis of no structural instability.