Heteroskedastic cointegration
异方差协整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：摘要明确研究协整回归、非平稳误差方差及其渐近推断，直接属于非平稳时间序列分析。
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
异方差协整
- 研究问题
- 当协整回归误差的方差具有非平稳性时，最小二乘估计与假设检验会怎样变化，稳健协方差和正态近似是否适用？
- 方法与思路
- 作者为具有非平稳误差方差的协整回归建立估计和推断的渐近理论，分析最小二乘一致性，并讨论稳健协方差与正态近似。
- 材料陈述的贡献
- 摘要称最小二乘估计具有所述速率的一致性，检验需要稳健协方差；推断仍含干扰参数，初步研究提示正态近似可能可用。
- 阅读关注点
- 应核对非平稳方差的具体设定、估计量的正确归一化与极限分布，以及稳健协方差构造和正态近似的评估依据。
- 阅读边界
- 仅据所给 OpenAlex 摘要；收敛率写作“T12”，需核对原式，不能自行补全；正态近似仅获初步支持，适用边界未说明。
原文摘要
This paper develops an asymptotic theory of estimation and inference in ‘cointegrated’ regression models with errors displaying nonstationary variances. Least squares estimates are shown to be consistent at a T12 rate. Hypothesis testing requires the use of a robust covariance matrix estimate, in contrast to earlier work on cointegrated regressions. The inference theory is not nuisance-free, but preliminary investigations indicate that approximation by the normal distribution may be adequate in practice.