Optimal HAR inference
最优异方差与自相关稳健推断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：摘要以序列持久性、自相关和长期方差估计为核心，直接涉及时间序列稳健推断。
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
最优异方差与自相关稳健推断
- 研究问题
- 在已知数据持久性上界的条件下，如何对单个目标参数构造异方差与自相关稳健检验，并安排稳健性和效率之间的权衡？
- 方法与思路
- 作者在高斯位置模型中推导有限样本最优检验，并研究以第二类余弦投影估计长期方差的等权余弦检验及其临界值调整。
- 材料陈述的贡献
- 摘要称，最大持久性基本决定稳健性与效率权衡；适当调整临界值后，等权余弦检验近乎最优，并明确投影数量与持久性假设的联系。
- 阅读关注点
- 应核对持久性上界的定义及其可信来源、高斯位置模型的最优性准则，以及余弦数量和临界值调整如何对应具体依赖假设。
- 阅读边界
- 仅据所给 Crossref 摘要，无法确定持久性限制、近乎最优的衡量标准及经验样本细节；最优性结论需限定在相应模型条件内。
原文摘要
This paper considers the problem of deriving heteroskedasticity and autocorrelation robust (HAR) inference about a scalar parameter of interest. The main assumption is that there is a known upper bound on the degree of persistence in data. I derive finite‐sample optimal tests in the Gaussian location model and show that the robustness‐efficiency tradeoffs embedded in the optimal tests are essentially determined by the maximal persistence. I find that with an appropriate adjustment to the critical value, it is nearly optimal to use the so‐called equal‐weighted cosine (EWC) test, where the long‐run variance is estimated by projections onto q type II cosines. The practical implications are an explicit link between the choice of q and assumptions on the underlying persistence, as well as a corresponding adjustment to the usual Student‐ t critical value. I illustrate the results in two empirical examples.