Finite-Sample Properties of Model Specification Tests for Multivariate Dynamic Regression Models
多元动态回归模型设定检验的有限样本性质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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确研究动态回归中的跨期依赖，并将设定检验应用于 Fama–French 多因子模型，支持时间序列和金融因子分类。
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
多元动态回归模型设定检验的有限样本性质
- 研究问题
- 当多方程系统存在跨方程误差相关和解释变量与误差的动态依赖时，如何构造有效的模型设定检验并改善有限样本表现？
- 方法与思路
- 作者比较不同外生性条件及估计量的一致性，提出广义 Durbin 估计量，并据其渐近分布构造 Wald 检验及自助法版本。
- 材料陈述的贡献
- 摘要称估计量在所比较的最弱外生性条件下仍一致，自助法改善检验尺寸控制；金融因子模型应用中，其拒绝结论与竞争检验不同。
- 阅读关注点
- 应核对各外生性条件的精确定义、动态依赖的允许范围、自助法实施方式，以及应用中检验差异是否主要来自尺寸失真。
- 阅读边界
- 这是 arXiv 预印本，同行评审和期刊接收均未核实。摘要未提供具体假设、模拟数值或应用细节，未拒绝原假设不等于模型正确。
原文摘要
We propose a new model specification test for multiple-equation systems with cross-equation error and dynamic regressor--error dependences. Conventional tests often rely on exogeneity conditions strong enough to ensure consistency of the OLS estimator. These exogeneity conditions are violated when regressors and errors are dynamically dependent, rendering conventional model specification tests invalid. To address these limitations, we clarify the relationship among alternative exogeneity conditions, characterize the consistency of competing multiple-equation estimators, and propose a generalized Durbin estimator for multiple-equation systems with an intercept, cross-equation error and regressor--error dependences. We show that our estimator remains consistent under the weakest exogeneity condition. We then derive its asymptotic distribution and construct Wald tests. Our Monte Carlo experiments confirm that the bootstrap-based Wald test substantially improves finite-sample size control. An application of the bootstrap-based Wald test to the Fama--French multifactor models leaves the null hypothesis unrejected in cases where competing FGLS-based tests reject it.