PARAMETRIC SPECIFICATION TEST FOR NONLINEAR AUTOREGRESSIVE MODELS
非线性自回归模型的参数设定检验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：摘要直接研究非线性自回归过程及其条件均值、条件方差设定，属于时间序列模型检验。
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
非线性自回归模型的参数设定检验
- 研究问题
- 如何检验非线性自回归模型条件均值与条件方差的参数设定，并利用过程边际密度的不同估计方式构造检验？
- 方法与思路
- 作者比较过程边际密度的核估计与卷积型密度估计，并在门限自回归和自回归条件异方差过程中进行模拟。
- 材料陈述的贡献
- 摘要称卷积型密度估计具有根号样本量的参数收敛速度，快于传统核密度估计，并由模拟支持相关结果。
- 阅读关注点
- 应核对卷积型估计利用了哪些模型限制、检验统计量如何构造，以及密度估计的收敛优势如何影响检验表现。
- 阅读边界
- 仅据所给 Crossref 摘要，无法确认检验的极限分布及适用条件；密度估计的收敛率不能直接解释为检验功效优势。
原文摘要
The paper considers testing parametric assumptions on the conditional mean and variance functions for nonlinear autoregressive models. To this end, we compare the kernel density estimate of the marginal density of the process with a convolution-type density estimate. It is shown that, interestingly, the latter estimate has a parametric $\left( {\sqrt n } \right)$ rate of convergence, thus substantially improving the classical kernel density estimates whose rates of convergence are much inferior. Our results are confirmed by a simulation study for threshold autoregressive processes and autoregressive conditional heteroskedastic processes.