A STRONG CONSISTENCY PROOF FOR HETEROSKEDASTICITY AND AUTOCORRELATION CONSISTENT COVARIANCE MATRIX ESTIMATORS
异方差与自相关一致协方差矩阵估计量的强一致性证明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：摘要讨论通用 HAC 协方差估计理论，未明确指定时间序列模型或其他给定细分领域。
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
异方差与自相关一致协方差矩阵估计量的强一致性证明
- 研究问题
- 异方差与自相关一致协方差矩阵估计量能否得到强一致性结论？已有弱一致性证明中的错误是什么，应如何修正其论证与结果？
- 方法与思路
- 作者提供 HAC 协方差矩阵估计量的强一致性证明，并指出文献中一个弱一致性证明的错误，给出相应结果的修正。
- 材料陈述的贡献
- 摘要明确陈述了两项贡献：证明相关协方差矩阵估计量的强一致性，以及纠正文献中的弱一致性证明，但未列出具体条件和错误。
- 阅读关注点
- 应核对估计量的核与截断规则、依赖和矩条件，以及几乎必然收敛所需的额外限制，并逐步检查原证明错误及修正后的结论。
- 阅读边界
- 仅据所给 Crossref 摘要，不能确定强一致性的条件或被纠正结果的适用范围；没有具体模型信息，也不能判断其他版本是否补充细节。
原文摘要
A strong consistency result for heteroskedasticity and autocorrelation consistent covariance matrix estimators is proven in this paper. In addition, an error in a weak consistency proof for such estimators in the econometrics literature and a correction of that result is provided.