Subsampling Intervals in Autoregressive Models with Linear Time Trend
含线性时间趋势的自回归模型中的子抽样置信区间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：摘要直接研究经济时间序列的自回归系数、长期持续性与单位根情形，属于时间序列方法。
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
含线性时间趋势的自回归模型中的子抽样置信区间
- 研究问题
- 如何在带线性时间趋势的自回归模型中，为衡量长期持续性的自回归系数之和构造置信区间，同时应对趋势平稳与单位根的不同极限理论？
- 方法与思路
- 作者在较小的观测数据块上重新计算普通最小二乘估计量，利用子抽样构造置信区间，并扩展标准子抽样理论以处理该模型。
- 材料陈述的贡献
- 摘要称该方法适用于任意参数值，并允许创新项为鞅差序列而非独立同分布；另以模拟考察有限样本表现，但未报告具体结果。
- 阅读关注点
- 重点核对平稳与单位根情形下的归一化、子样本块长和区间构造，以及对鞅差创新项的条件与有限样本覆盖率。
- 阅读边界
- 摘要未说明具体正则条件、块长选择及模拟结果；“任意参数值”这一表述不足以判断是否具有单位根邻域中的统一覆盖保证。
原文摘要
A new method is proposed for constructing confidence intervals in autoregressive models with linear time trend. Interest focuses on the sum of the autoregressive coefficients because this parameter provides a useful scalar measure of the long-run persistence properties of an economic time series. Since the type of the limiting distribution of the corresponding OLS estimator, as well as the rate of its convergence, depend in a discontinuous fashion upon whether the true parameter is less than one or equal to one (that is, trend-stationary case or unit root case), the construction of confidence intervals is notoriously difficult. The crux of our method is to recompute the OLS estimator on smaller blocks of the observed data, according to the general subsampling idea of Politis and Romano (1994), although some extensions of the standard theory are needed. The method is more general than previous approaches in that it works for arbitrary parameter values, but also because it allows the innovations to be a martingale difference sequence rather than i.i.d. Some simulation studies examine the finite sample performance.