Nonlinear minimization estimators in the presence of cointegrating relations
存在协整关系时的非线性最小化估计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：摘要围绕协整关系、长期与短期参数及相关渐近理论展开，直接对应非平稳时间序列研究。
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
存在协整关系时的非线性最小化估计
- 研究问题
- 非线性协整模型中，长期参数的超一致性是否足以使短期参数的联合估计具有长期参数已知时的极限分布？
- 方法与思路
- 作者研究长期与短期参数联合最小化估计的极限行为，分析正则条件与两步程序的联系，并考察协整变量去均值的作用。
- 材料陈述的贡献
- 摘要称上述直觉一般需要额外正则条件，该条件也关系到两步程序有效性；变量去均值后可获得所述标准渐近正态结果。
- 阅读关注点
- 应核对关键正则条件的数学形式、联合估计与两步估计的对应关系，以及去均值结果适用的非线性模型范围。
- 阅读边界
- 仅据所给作者／机构库版本摘要，不能推断刊本变化；摘要未列出正则条件、收敛率、极限分布或去均值结论的完整前提。
原文摘要
In this paper, we consider estimation of a long-run and a short-run parameter jointly in the presence of nonlinearities. The theory developed establishes limit behavior of minimization estimators of the long-run and short-run parameters jointly. Typically, if the long-run parameter that is present in a cointegrating relationship is estimated, its estimator will be superconsistent. Therefore, we may conjecture that the joint minimization estimation of both parameters jointly will result in the same limit distribution for the short-run parameter as if the long-run parameter was known. However, we show that unless a regularity condition holds, this intuition is false in general. This regularity condition, that clearly holds in the standard linear case, is identical to the condition for validity of a two-step Granger-Engle type procedure. Also, it is shown that if the cointegrated variables are measured in deviation from their averages, the standard asymptotic normality result (that one would obtain if the long-run parameter was known) holds.