Pseudo-variance quasi-maximum likelihood estimation of semi-parametric time series models
半参数时间序列模型的伪方差准极大似然估计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。
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：摘要围绕观测驱动时间序列、整数值自回归及有界序列的估计与设定检验展开。
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
半参数时间序列模型的伪方差准极大似然估计
- 研究问题
- 在条件均值参数化的半参数时间序列中，能否利用伪方差与均值之间的参数限制改善估计并检验模型设定？
- 方法与思路
- 作者基于高斯准似然指定参数化伪方差，允许其与条件均值共享限制，并构建限制有效性的检验。
- 材料陈述的贡献
- 摘要称渐近结果不依赖伪方差正确设定，受限估计可能提高效率；方法用于计数过程及双边有界序列。
- 阅读关注点
- 应核对伪方差误设下结论成立的条件、参数限制的有效性与识别，以及效率改善和设定检验的适用范围。
- 阅读边界
- 这是预印本，同行评审及接收未核实。摘要未说明完整条件；伪方差稳健性不能扩展为对均值误设的稳健性。
原文摘要
We propose a novel estimation approach for a general class of semi-parametric time series models where the conditional expectation is modeled through a parametric function. The proposed class of estimators is based on a Gaussian quasi-likelihood function and it relies on the specification of a parametric pseudo-variance that can contain parametric restrictions with respect to the conditional expectation. The specification of the pseudo-variance and the parametric restrictions follow naturally in observation-driven models with bounds in the support of the observable process, such as count processes and double-bounded time series. We derive the asymptotic properties of the estimators and a validity test for the parameter restrictions. We show that the results remain valid irrespective of the correct specification of the pseudo-variance. The key advantage of the restricted estimators is that they can achieve higher efficiency compared to alternative quasi-likelihood methods that are available in the literature. Furthermore, the testing approach can be used to build specification tests for parametric time series models. We illustrate the practical use of the methodology in a simulation study and two empirical applications featuring integer-valued autoregressive processes, where assumptions on the dispersion of the thinning operator are formally tested, and autoregressions for double-bounded data with application to a realized correlation time series.