A bootstrap algorithm for testing cointegration rank in VAR models in the presence of stationary variables
含平稳变量的 VAR 模型中协整秩检验的自助法算法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：摘要明确研究含平稳变量的 VAR 模型及协整秩检验，直接对应时间序列方法，未涉及结构冲击识别或响应分析。
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
含平稳变量的 VAR 模型中协整秩检验的自助法算法
- 研究问题
- 当约化秩 VAR 模型包含平稳回归变量，且协整秩相关渐近分布依赖未知参数时，能否用自助法得到有效的分布近似？
- 方法与思路
- 作者分析包含平稳回归变量的约化秩 VAR 自助法算法，研究其秩相关分布的渐近收敛，并报告经验应用与蒙特卡洛实验。
- 材料陈述的贡献
- 摘要称自助分布收敛至通常渐近框架所给出的分布，为处理依赖未知参数的协整秩检验分布提供理论依据。
- 阅读关注点
- 应核对平稳变量进入模型的方式、原假设下的自助样本生成和秩限制，以及收敛条件、有限样本检验尺寸与功效表现。
- 阅读边界
- 解读限于所给出版社摘要；自助算法步骤、正则条件和实验结果未说明，渐近分布收敛不能直接保证小样本检验具有准确尺寸。
原文摘要
In this paper, a bootstrap algorithm for a reduced rank vector autoregressive (VAR) model which also includes stationary regressors, is analyzed. It is shown that the bootstrap distribution for estimating the rank converges to the distribution derived from the usual asymptotic framework. Because the asymptotic distribution will typically depend on unknown parameters, bootstrap distributions are of considerable interest in this context. The result of an application and some Monte Carlo experiments are also presented.