Testing for Common Features
共同特征检验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：摘要直接涉及序列相关、趋势、季节性等时间序列性质，并检验共同国际商业周期，因此归入宏观时间序列。
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
共同特征检验
- 研究问题
- 当多个变量各自具有序列相关、趋势或季节性等特征时，如何检验这些特征是否共同，并识别不含该特征的线性组合？
- 方法与思路
- 作者先以不存在特征为原假设检测特征，再寻找不含该特征的线性组合；许多情形可通过工具变量回归的过度识别限制检验获得渐近临界值。
- 材料陈述的贡献
- 摘要称本文建立一类共同特征检验，许多情形可获得确切的渐近临界值，并以共同国际商业周期检验展示应用。
- 阅读关注点
- 阅读时应核对特征检验与线性组合构造的条件、工具变量及过度识别限制的设置，并查明国际商业周期应用如何实施。
- 阅读边界
- 摘要列举多种可检验特征，但未交代各类检验的具体条件、有限样本性质或实证结果，不能据此认定所有情形都适用。
原文摘要
This article introduces a class of statistical tests for the hypothesis that some feature that is present in each of several variables is common to them. Features are data properties such as serial correlation, trends, seasonality, heteroscedasticity, autoregressive conditional heteroscedasticity, and excess kurtosis. A feature is detected by a hypothesis test taking no feature as the null, and a common feature is detected by a test that finds linear combinations of variables with no feature. Often, an exact asymptotic critical value can be obtained that is simply a test of overidentifying restrictions in an instrumental variable regression. This article tests for a common international business cycle.