UNIT ROOT TESTS BASED ON ADAPTIVE MAXIMUM LIKELIHOOD ESTIMATION
基于自适应最大似然估计的单位根检验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：摘要明确研究自回归过程的单位根估计和检验。
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
基于自适应最大似然估计的单位根检验
- 研究问题
- 当自回归过程的创新可能服从非高斯分布时，如何利用自适应最大似然估计构造单位根检验并改善检验功效？
- 方法与思路
- 作者基于自适应单位根估计量构造检验，推导由两个布朗运动泛函线性组合形成的极限分布，并进行模拟比较。
- 材料陈述的贡献
- 摘要称，创新分布偏离正态较明显时，模拟中的检验功效高于经典 Dickey–Fuller 检验，并与基于 M 估计的检验比较。
- 阅读关注点
- 应核对自适应估计的构造、创新分布限制、极限分布的系数与临界值计算，以及模拟比较是否控制检验尺寸。
- 阅读边界
- 所给 OpenAlex 摘要未报告功效增幅、模拟设计或具体分布条件，不能将所述改善推广到所有非高斯创新。
原文摘要
Adaptive maximum likelihood estimators of unit roots in autoregressive processes with possibly non-Gaussian innovations are considered. Unit root tests based on the adaptive estimators are constructed. Limiting distributions of the test statistics are derived, which are linear combinations of two functionals of Brownian motions. A Monte Carlo simulation reveals that the proposed tests have improved powers over the classical Dickey–Fuller tests when the distribution of the innovation is not close to normal. We also compare the proposed tests with those of Lucas (1995, Econometric Theory 11, 331–346) based on M-estimators.