Self-convolved Bootstrap for M-regression under Complex Temporal Dynamics
复杂时间动态下 M 回归的自卷积 BootstrapAI 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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要直接处理非平稳时间序列、时变回归系数及时间断点，主要对应时间序列推断方法。
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
复杂时间动态下 M 回归的自卷积 Bootstrap
- 研究问题
- 在协变量与误差均非平稳、允许相互依赖及时间断点时，如何对时变系数 M 回归开展同时推断与函数性质检验？
- 方法与思路
- 作者提出仅含一个调节参数的自卷积 Bootstrap，围绕累积回归函数构建推断，并统一函数形式、拟合优度及形状检验。
- 材料陈述的贡献
- 摘要称该方法支持累积回归函数的根号 n 一致推断，覆盖系数恒定性、线性与形状检验，并用于气候及股票收益数据。
- 阅读关注点
- 应核对累积函数与原始系数的推断区别、非平稳依赖及断点的允许范围、调节参数选择，以及同时检验的误差控制。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未说明依赖和断点条件，股票收益应用也未被描述为收益预测。
原文摘要
The paper considers simultaneous nonparametric inference for a wide class of M-regression models with time-varying coefficients. The covariates and errors of the regression model are tackled as a general class of nonstationary time series and are allowed to be cross-dependent. A novel and easy-to-implement self-convolved bootstrap procedure is proposed. With only one tuning parameter, the bootstrap facilitates a $\sqrt{n}$-consistent inference of the cumulative regression function for the M-estimators under complex temporal dynamics, even under the possible presence of breakpoints in time series. Our methodology leads to a unified framework to conduct general classes of Exact Function Tests, Lack-of-fit Tests, and Qualitative Tests for the time-varying coefficients. These tests enable one to, among many others, conduct variable selection, check for constancy and linearity, as well as verify shape assumptions, including monotonicity and convexity. As applications, our method is utilized to study the time-varying properties of global climate data and Microsoft stock return, respectively.