Consistency of Kernel Estimators of Heteroscedastic and Autocorrelated Covariance Matrices
异方差与自相关协方差矩阵核估计量的一致性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：题名明确涉及异方差与自相关，摘要进一步讨论相依变量、混合过程及带宽条件，支持归入时间序列推断方法。
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
异方差与自相关协方差矩阵核估计量的一致性
- 研究问题
- 对异方差且存在自相关的随机向量，何种条件能保证协方差矩阵核估计一致，并与中心极限定理的条件协调？样本依赖带宽是否适用？
- 方法与思路
- 作者为相依、异质随机向量之和的协方差核估计推导一致性条件，涵盖趋势方差与对混合过程近历依赖的变量，并处理样本依赖带宽。
- 材料陈述的贡献
- 摘要称，一致性条件与文中所指的已知中心极限定理条件相匹配，且结果覆盖样本依赖带宽，为统一的渐近推断理论提供依据。
- 阅读关注点
- 重点核对核函数、带宽与相依程度之间的限制，变量本身不必混合时的论证，以及样本依赖带宽所需条件和实际选择方式。
- 阅读边界
- 所给摘要的矩条件公式存在缺字，具体阶数需核对原文；摘要未说明有限样本误差或可直接采用的带宽规则，一致性也不保证有限样本表现。
原文摘要
Conditions are derived for the consistency of kernel estimators of the covariance matrix of a sum of vectors of dependent heterogeneous random variables, which match those of the currently best-known conditions for the central limit theorem, as required for a unified theory of asymptotic inference. These include finite moments of order no more than 2 + for > 0, trending variances, and variables which are near-epoch dependent on a mixing process, but not necessarily mixing. The results are also proved for the case of sample-dependent bandwidths.