Robust inference in nonstationary time series models
非平稳时间序列模型中的稳健推断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：摘要明确涉及单位根、协整和非平稳回归中的结构变化检验。
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
非平稳时间序列模型中的稳健推断
- 研究问题
- 面对非高斯数据，如何在统一框架中开展单位根、协整及非平稳回归中的结构变化检验，并改善传统推断对异常分布的敏感性？
- 方法与思路
- 作者在统一回归框架下，以稳健 M 估计的残差构造检验；必要时分别分析具体问题，研究极限行为并进行蒙特卡洛考察。
- 材料陈述的贡献
- 摘要提出覆盖平稳性对单位根、结构变化和协整问题的稳健检验，称其便于使用，并在非高斯数据下具有优势。
- 阅读关注点
- 应核对 M 估计损失或得分函数、各检验的零假设与临界值，以及非高斯误差、异常值和结构变化的允许范围。
- 阅读边界
- 仅据所给出版社摘要，无法判断稳健性针对哪些分布偏离，也不能确认不同检验的尺寸与功效改善幅度或统一有效性条件。
原文摘要
This paper studies robust inference in unit root and cointegration models. The analysis covers a range of important inference problems including testing stationarity against unit roots, testing for structure change in nonstationary regressions, and testing for cointegration. We analyze these inference problems in a unified regression framework, although separate analysis is given for each specific case when it is needed. The proposed inference procedures are constructed based on residuals of robust M-estimations. The limiting behavior of the proposed tests is investigated, and a Monte Carlo experiment is conducted. The proposed tests are easy to use and have advantages in the presence of non-Gaussian data.