Testing Identifiability of Cointegrating Vectors
协整向量可识别性的检验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：摘要讨论高斯向量自回归中的协整识别，并应用于英国货币需求模型，文本依据直接支持时间序列领域的归类。
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
协整向量可识别性的检验
- 研究问题
- 协整关系按某个变量规范化是否会损失一般性，旨在识别协整向量的限制何时会失效，能否通过统计检验判断这些问题？
- 方法与思路
- 作者提出检验相关秩条件是否被违反，并说明高斯向量自回归中用于结构假设的既有似然比统计量可用于此目的，随后应用于英国货币需求模型。
- 材料陈述的贡献
- 摘要指出按某变量规范化可能损失一般性，识别限制可能在特定参数值下失效，并提出秩条件检验及英国货币需求应用。
- 阅读关注点
- 核对识别与规范化各自对应的秩条件、似然比统计量的构造和适用条件，以及英国货币需求模型中的具体限制与检验结果。
- 阅读边界
- 摘要未给出秩条件的具体形式、检验分布或应用结果；不能仅凭摘要判定某个协整向量已被识别，或任意规范化都具有同样问题。
原文摘要
This paper analyzes the identification and normalization of cointegrating vectors. Normalizing a cointegrating relation with respect to one of the relevant variables is with loss of generality; and restrictions which are supposed to identify a vector may fail to do so for particular parameter values. The author proposes to tackle both problems by testing whether particular rank conditions are violated. He shows that S. Johansen and K. Juselius's (1992) class of likelihood ratio statistics for structural hypotheses in a Gaussian vector autoregression may be used for this purpose. The tests are applied to a model of the demand for money in the United Kingdom.