跳到正文
← 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:摘要研究局部单位根自回归、随机系数及序列相关扰动,直接属于时间序列检验。

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
Mikihito Nishi

局部单位根自回归中的系数随机性检验

研究问题
在自回归系数局部接近单位根时,如何检验系数是否随机,并避免随机系数与扰动相关导致的功效下降?
方法与思路
作者分析系数与扰动相关性对既有检验的影响,提出功效对该相关性稳健的检验,并给出处理序列相关和条件异方差的修正。
材料陈述的贡献
摘要称既有检验在中高相关性下可能功效较差,新检验具有更好的大样本和有限样本功效,修正版允许更复杂扰动。
阅读关注点
应核对局部单位根与系数随机性的尺度设定、相关性进入极限理论的方式,以及修正版的尺寸和功效适用条件。
阅读边界
仅据所给 Crossref 版本摘要,检验构造、具体条件及功效差异数值未说明;不能声称在所有过程下更优或推断刊本变化。

原文摘要

This study proposes a test for coefficient randomness in autoregressive models where the autoregressive coefficient is local to unity, which is empirically relevant given earlier work. Under this specification, we analyze the effect of the correlation between the random coefficient and disturbance on the properties of tests, a matter that remains largely unexplored in the literature. Our analysis reveals that tests proposed in earlier studies can have poor power when the correlation is moderate to large. The test proposed here is designed to have power functions robust to the correlation. A modified version of the test is suggested that can be applied when the disturbance is serially correlated and conditionally heteroskedastic. The test is shown to have better power properties than existing ones in large and finite samples.

笔记与分组
相关领域论文