Inference for Time Series Regression Models With Weakly Dependent and Heteroscedastic Errors
弱依赖与异方差误差下时间序列回归模型的推断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：摘要研究弱依赖与时变无条件方差下的时间序列趋势推断，并以宏观工资序列为例，直接对应时间序列。
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
弱依赖与异方差误差下时间序列回归模型的推断
- 研究问题
- 当宏观时间序列的误差弱依赖、无条件方差随时间变化并呈现一定非平稳性时，如何对参数化趋势函数中的参数进行推断与显著性评估？
- 方法与思路
- 作者采用自标准化统计量，避免直接估计 OLS 的渐近方差；其极限分布非枢轴，并用野生自助法一致逼近，以处理方差变化下的趋势参数推断。
- 材料陈述的贡献
- 摘要称野生自助法可一致逼近该自标准化统计量的分布，而缺少学生化时一般不一致；模拟显示较好的覆盖率，美国名义工资序列用于展示表现。
- 阅读关注点
- 核对允许的弱依赖与非平稳范围、自标准化的构造、野生自助法步骤及学生化的作用，并比较模拟覆盖率与工资趋势结论对设定的敏感性。
- 阅读边界
- 摘要未明确方差变化和依赖结构的完整限制，也未列出覆盖率数值或比较方法细节；不能将该推断程序直接推广到任意非平稳时间序列。
原文摘要
Motivated by the need to assess the significance of the trend in some macroeconomic series, this article considers inference of a parameter in parametric trend functions when the errors exhibit certain degrees of nonstationarity with changing unconditional variances. We adopt the recently developed self-normalized approach to avoid the difficulty involved in the estimation of the asymptotic variance of the ordinary least-square estimator. The limiting distribution of the self-normalized quantity is nonpivotal but can be consistently approximated by using the wild bootstrap, which is not consistent in general without studentization. Numerical simulation demonstrates favorable coverage properties of the proposed method in comparison with alternative ones. The U.S. nominal wages series is analyzed to illustrate the finite sample performance. Some technical details are included in the online supplemental material.