GAUSSIAN INFERENCE IN AR(1) TIME SERIES WITH OR WITHOUT A UNIT ROOT
有无单位根的 AR(1) 时间序列中的高斯推断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：摘要以 AR(1) 与单位根推断为核心，并明确提到动态面板扩展。
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
有无单位根的 AR(1) 时间序列中的高斯推断
- 研究问题
- 能否为 AR(1) 构造一种估计与推断方法，使自回归系数穿过单位根时仍保有连续的高斯极限，并减轻有限样本偏差与初值影响？
- 方法与思路
- 作者提出基于一阶差分的方法，建立线性过程样本协方差的中心极限定理，并据此讨论 AR(1) 推断及向动态面板的扩展。
- 材料陈述的贡献
- 摘要称估计几乎没有有限样本偏差且对初值不敏感，高斯极限在系数穿过一时保持连续，并具有均匀 √n 收敛速率及动态面板扩展。
- 阅读关注点
- 应核对差分估计量的构造、创新与初值条件、均匀结论覆盖的参数范围，以及偏差陈述的依据和动态面板扩展的适用条件。
- 阅读边界
- 仅据所给 Crossref 摘要，不能确认均匀高斯理论的完整条件，也不能保证任意样本下无偏；面板扩展的具体形式与限制未说明。
原文摘要
This paper introduces a simple first-difference-based approach to estimation and inference for the AR(1) model. The estimates have virtually no finite-sample bias and are not sensitive to initial conditions, and the approach has the unusual advantage that a Gaussian central limit theory applies and is continuous as the autoregressive coefficient passes through unity with a uniform $\sqrt{n}$ rate of convergence. En route, a useful central limit theorem (CLT) for sample covariances of linear processes is given, following Phillips and Solo (1992, Annals of Statistics , 20, 971–1001). The approach also has useful extensions to dynamic panels.