Bootstrapping Explosive Autoregressive Processes
爆炸性自回归过程的 BootstrapAI 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：摘要明确研究爆炸性一阶自回归过程及其参数重抽样推断，属于时间序列计量方法。
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…
爆炸性自回归过程的 Bootstrap
- 研究问题
- 对于爆炸性一阶自回归过程的参数最小二乘估计，在极限分布非正态时，Bootstrap 是否仍具有渐近有效性？
- 方法与思路
- 作者研究该估计量及其 Bootstrap 对应量的非正态极限分布，建立重抽样有效性结果，并通过模拟提供支持。
- 材料陈述的贡献
- 摘要称，论文确立了爆炸性一阶自回归参数最小二乘估计的 Bootstrap 渐近有效性，即使其极限并非正态。
- 阅读关注点
- 应核对爆炸性参数的设定、创新项条件、初始值处理、重抽样方案，以及有效性使用的标准化和收敛概念。
- 阅读边界
- 依据版本未注明的 OpenAlex 摘要；具体 Bootstrap 构造、参数范围与模拟误差未说明，不能直接推广至近单位根或高阶模型。
原文摘要
Asymptotic validity of the bootstrap is established for the least squares estimate of the parameter of an explosive first-order autoregressive process. It is noted that nonnormal limit distributions are obtained for both the traditional and the bootstrap estimates. The theoretical bootstrap validity results are supported by appropriate simulation.