Averaging estimators for autoregressions with a near unit root
近单位根自回归模型的平均估计量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：摘要直接研究近单位根自回归估计及预测误差和预测组合。
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
近单位根自回归模型的平均估计量
- 研究问题
- 自回归根接近单位根时，无约束、单位根约束、预检验、模型选择与模型平均方法的估计风险和预测风险有何差异？
- 方法与思路
- 作者利用局部趋近单位根理论比较渐近均方误差及预测期望平方误差，并研究采用马洛斯权重的模型平均估计。
- 材料陈述的贡献
- 摘要称渐近风险只依赖局部趋近单位根参数，比较结果不支持预检验，并称马洛斯平均相对常规无约束估计风险更低。
- 阅读关注点
- 应核对权重构造、风险比较的参数范围和预测期限，尤其查看一致风险优势及远离单位根时结论的具体理论含义。
- 阅读边界
- 出版社摘要未提供风险公式、有限样本数值或完整条件；作者所述一致风险优势不能直接推广到所有自回归设定。
原文摘要
This paper uses local-to-unity theory to evaluate the asymptotic mean-squared error (AMSE) and forecast expected squared error from least-squares estimation of an autoregressive model with a root close to unity. We investigate unconstrained estimation, estimation imposing the unit root constraint, pre-test estimation, model selection estimation, and model average estimation. We find that the asymptotic risk depends only on the local-to-unity parameter, facilitating simple graphical comparisons. Our results strongly caution against pre-testing. Strong evidence supports averaging based on Mallows weights. In particular, our Mallows averaging method has uniformly and substantially smaller risk than the conventional unconstrained estimator, and this holds for autoregressive roots far from unity. Our averaging estimator is a new approach to forecast combination.