Uniform Inference in Autoregressive Models
自回归模型中的一致有效推断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：摘要直接讨论自回归模型、系数之和的置信区间及参数上的一致渐近近似，文本依据明确对应时间序列推断。
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
自回归模型中的一致有效推断
- 研究问题
- 自回归系数之和的置信区间能否在不同参数值下保持渐近有效，逐点覆盖率收敛为何不足以保证一致有效的推断？
- 方法与思路
- 作者从一致与逐点渐近近似的区别出发，研究既有自回归置信区间方法的覆盖有效性，并将其中三种方法推广至更广的统计量。
- 材料陈述的贡献
- 摘要称，三种既有方法具有渐近有效性，一种子抽样方法不具备该性质；作者还推广有效方法，并说明逐点覆盖收敛不足以保证置信集有效。
- 阅读关注点
- 应核对一致性所覆盖的参数集合、所用统计量与置信区间构造，尤其是逐点近似不足的机制，以及推广结果依赖的模型条件。
- 阅读边界
- 摘要未列出自回归阶数、误差条件、参数空间或有限样本覆盖率；对子抽样无效的判断须限定于文中方法与框架，不能泛化至所有子抽样推断。
原文摘要
The purpose of this paper is to provide theoretical justification for some existing methods for constructing confidence intervals for the sum of coefficients in autoregressive models. We show that the methods of Stock (1991), Andrews (1993), and Hansen (1999) provide asymptotically valid confidence intervals, whereas the subsampling method of Romano and Wolf (2001) does not. In addition, we generalize the three valid methods to a larger class of statistics. We also clarify the difference between uniform and pointwise asymptotic approximations, and show that a pointwise convergence of coverage probabilities for all values of the parameter does not guarantee the validity of the confidence set. Copyright The Econometric Society 2007.