Optimal Inference in Regression Models with Nearly Integrated Regressors
含近单位根解释变量的回归模型中的最优推断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：题名与摘要聚焦近单位根、高度持续性的回归解释变量及其渐近检验，直接对应时间序列方法，未说明收益预测等具体应用。
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
含近单位根解释变量的回归模型中的最优推断
- 研究问题
- 当双变量回归中的解释变量具有高度持续性时，如何对回归系数进行检验，并刻画受条件性限制的检验能够达到的渐近功效边界？
- 方法与思路
- 作者对满足特定条件性限制的一类检验构造高斯渐近功效包络，并据此提出能够达到这些包络的回归系数检验程序。
- 材料陈述的贡献
- 摘要称，提出的检验在创新项服从或不服从正态分布时均可达到这些渐近功效包络；其最优性限定于满足条件性限制的检验类别。
- 阅读关注点
- 核对条件性限制的具体含义、近单位根渐近框架与功效包络的定义，以及非正态创新下检验达到包络所需的具体条件。
- 阅读边界
- 摘要未说明条件性限制、创新过程的完整假设及有限样本结果，无法据此判断任意高持续性回归都适用，或认定检验在所有类别中最优。
原文摘要
This paper considers the problem of conducting inference on the regression coefficient in a bivariate regression model with a highly persistent regressor. Gaussian asymptotic power envelopes are obtained for a class of testing procedures that satisfy a conditionality restriction. In addition, the paper proposes testing procedures that attain these power envelopes whether or not the innovations of the regression model are normally distributed.