Limit theory for local polynomial estimation of functional coefficient models with possibly integrated regressors
允许单整回归量的函数系数模型局部多项式估计极限理论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：摘要围绕函数系数协整回归及平稳、非平稳回归量的极限理论展开，直接属于时间序列计量。
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
允许单整回归量的函数系数模型局部多项式估计极限理论
- 研究问题
- 函数系数回归同时允许平稳和非平稳回归量时，局部多项式估计及系数导数估计具有何种极限分布，如何据此开展推断？
- 方法与思路
- 作者推导一般阶数的核加权局部多项式估计极限理论，讨论带宽与拟合阶数选择，并据此构造稳健 t 统计量及系数恒定性检验。
- 材料陈述的贡献
- 摘要称，新理论覆盖系数及其导数估计，修正既有 t 统计量，并提供适用于所考察回归量性质的统一推断程序和有限样本证据。
- 阅读关注点
- 应核对不同回归量性质对应的归一化与极限分布、导数估计的带宽要求，以及自适应阶数选择和稳健 t 统计量的适用条件。
- 阅读边界
- 仅依据所给 RePEc 出版社摘要；具体平稳性、单整性与带宽条件未说明，不能将统一推断理解为对任意回归量均有效或推断版本变化。
原文摘要
Limit theory for functional coefficient cointegrating regression was recently found to be considerably more complex than earlier understood. The issues were explained and correct limit theory derived for the kernel weighted local level estimator in Phillips and Wang (2023b). The present paper provides complete limit theory for the general kernel weighted local pth order polynomial estimators of the functional coefficient and the coefficient derivatives. Both stationary and nonstationary regressors are allowed. Implications for bandwidth selection are discussed. An adaptive procedure to select the fit order p is proposed and found to work well. A robust t-ratio is constructed following the new limit theory, which corrects and improves the usual t-ratio in the literature. The robust t-ratio is valid and works well regardless of the properties of the regressors, thereby providing a unified procedure to compute the t-ratio and facilitating practical inference. Testing constancy of the functional coefficient is also considered. Finite sample studies are provided that corroborate the new asymptotic theory.