Mixed causal–noncausal autoregressions with exogenous regressors
含外生回归变量的混合因果—非因果自回归模型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：摘要研究混合自回归的时间序列建模、参数渐近分布和模型选择，题名中的因果—非因果未提供政策因果识别证据。
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…
含外生回归变量的混合因果—非因果自回归模型
- 研究问题
- 对于呈现非线性动态的时间序列，如何在混合因果—非因果自回归中显式纳入外生变量，研究其直接作用并开展参数推断？
- 方法与思路
- 作者提出包含外生协变量的MARX表示，对一类非高斯密度推导参数渐近分布，并在Student似然下给出标准误闭式表达。
- 材料陈述的贡献
- 摘要称该表示可直接考察协变量作用，给出参数推断结果，并通过模拟评估信息准则选模，应用于汇率和工业生产对商品价格的影响。
- 阅读关注点
- 应核对混合因果—非因果表示的定义、外生性和密度条件、Student似然标准误的适用范围，以及信息准则选模的模拟设计。
- 阅读边界
- 摘要未列出完整分布条件、选模结果或应用估计值；对协变量直接作用的时间序列刻画，不能仅凭摘要解释为经济因果效应。
原文摘要
Summary Mixed causal–noncausal autoregressive (MAR) models have been proposed to model time series exhibiting nonlinear dynamics. Possible exogenous regressors are typically substituted into the error term to maintain the MAR structure of the dependent variable. We introduce a representation including these covariates called MARX to study their direct impact. The asymptotic distribution of the MARX parameters is derived for a class of non‐Gaussian densities. For a Student likelihood, closed‐form standard errors are provided. By simulations, we evaluate the MARX model selection procedure using information criteria. We examine the influence of the exchange rate and industrial production index on commodity prices.