Weak Convergence of the Residual Empirical Process in Explosive Autoregression
爆炸性自回归中残差经验过程的弱收敛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：摘要明确研究爆炸性自回归模型中的残差过程与误差诊断，直接对应时间序列。
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
爆炸性自回归中残差经验过程的弱收敛
- 研究问题
- 在爆炸性自回归模型中，估计残差形成的经验过程具有何种极限，能否据此对误差的指定分布实施渐近无分布拟合优度检验？
- 方法与思路
- 作者证明残差经验过程弱收敛到布朗桥，并将该结果用于 Kolmogorov–Smirnov 检验，考察误差服从指定分布的零假设。
- 材料陈述的贡献
- 摘要称，爆炸性自回归下的残差经验过程具有布朗桥极限，相应误差分布拟合优度检验因此具有渐近无分布性质。
- 阅读关注点
- 应核对爆炸性模型的参数范围、误差与初始值条件、残差构造及过程标准化，并确认指定分布是否涉及额外参数估计。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明完整弱收敛条件和小样本表现，不能扩展到其他自回归区域或所有误差分布。
原文摘要
This paper proves the weak convergence of the residual empirical process in an explosive autoregression model to the Brownian bridge. As an application the Kolmogorov-Smirnov goodness-of-fit test for testing that the errors have a specified distribution is shown to be asymptotically distribution-free.