Testing for Smooth Transition Nonlinearity in the Presence of Outliers
存在异常值时的平滑转换非线性检验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：摘要明确研究平滑转换自回归模型的非线性检验，并应用于季度工业生产指数，直接属于非线性时间序列方法。
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…
存在异常值时的平滑转换非线性检验
- 研究问题
- 中等长度的时间序列中，少数异常值可能被误判为平滑转换非线性；怎样检验 STAR 型非线性并减少这种干扰？
- 方法与思路
- 作者提出异常值稳健的 STAR 非线性检验，目标是改善含异常值时的尺寸与功效，并推导局部和全局稳健性。
- 材料陈述的贡献
- 摘要称蒙特卡洛模拟支持稳健检验的实用性；季度工业生产指数应用提示，某些表观非线性可能源于少数异常值。
- 阅读关注点
- 核对异常值类型与污染程度、稳健检验的构造及局部和全局稳健性定义，并比较不同样本长度下的尺寸与功效。
- 阅读边界
- 摘要未给出污染设定、样本规模与比较结果数值，无法判断优势覆盖哪些情形；也不能据此把所有非线性都归因于异常值。
原文摘要
Regime-switching models, like the smooth transition autoregressive (STAR) model, are typically applied to time series of moderate length. Hence, the nonlinear features that these models intend to describe may be reflected in only a few observations. Conversely, neglected outliers in a linear time series of moderate length may incorrectly suggest STAR (or other) type(s of) nonlinearity. In this article, the authors propose outlier robust tests for STAR-type nonlinearity. These tests are designed such that they have a better level and power behavior than standard nonrobust tests in situations with outliers. They formally derive local and global robustness properties of the new tests. Extensive Monte Carlo simulations show the practical usefulness of the robust tests. An application to several quarterly industrial production indexes illustrates that apparent nonlinearity in time series sometimes seems due to only a few outliers.