HOW TO ESTIMATE AUTOREGRESSIVE ROOTS NEAR UNITY
如何估计接近单位根的自回归根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：摘要直接研究近单位根自回归、近积分过程及确定性趋势，属于时间序列理论。
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…
如何估计接近单位根的自回归根
- 研究问题
- 能否构造一种近单位根时间序列模型，使局部化参数可识别并一致估计？这一模型如何连接平稳、单位根与爆炸性自回归的估计理论？
- 方法与思路
- 作者提出新的近积分模型，建立通向混合扩散过程的函数极限定律，构造局部化参数估计量，并扩展至包含确定性趋势的模型。
- 材料陈述的贡献
- 摘要称新模型支持局部化参数的一致估计和连续变化的收敛率，并在所讨论趋势模型中给出效率结果及常规单位根检验的局部一致性。
- 阅读关注点
- 应核对新模型与传统局部单位根模型的参数化差异、局部化序列条件，以及趋势估计效率和检验局部一致性各自适用的范围。
- 阅读边界
- 仅据所给 Crossref 摘要，不能确定模型定义、识别条件及估计量形式；所述性质属于新模型类别，不能直接推广至传统模型或其他版本。
原文摘要
A new model of near integration is formulated in which the local to unity parameter is identifiable and consistently estimable with time series data. The properties of the model are investigated, new functional laws for near integrated time series are obtained that lead to mixed diffusion processes, and consistent estimators of the localizing parameter are constructed. The model provides a more complete interface between I (0) and I (1) models than the traditional local to unity model and leads to autoregressive coefficient estimates with rates of convergence that vary continuously between the O (√n) rate of stationary autoregression, the O ( n ) rate of unit root regression, and the power rate of explosive autoregression. Models with deterministic trends are also considered, least squares trend regression is shown to be efficient, and consistent estimates of the localizing parameter are obtained for this case also. Conventional unit root tests are shown to be consistent against local alternatives in the new class.