A ROBUST BAYESIAN APPROACH FOR UNIT ROOT TESTING
单位根检验的稳健贝叶斯方法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时间序列的模型识别、单位根检测和先验敏感性。
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…
单位根检验的稳健贝叶斯方法
- 研究问题
- 如何通过贝叶斯方法识别观测时间序列的自回归模型并检测单位根，结论对自回归系数先验分布的选择有多敏感？
- 方法与思路
- 作者采用贝叶斯框架处理自回归模型识别与单位根检测，重点考察标准贝叶斯分析对系数先验选择的敏感性，具体方案未列出。
- 材料陈述的贡献
- 摘要明确将单位根判断与先验敏感性问题结合研究；虽然题名强调稳健方法，但摘要没有说明其构造、理论保证或比较结果。
- 阅读关注点
- 应核对稳健性的定义、允许的先验集合、单位根原假设的先验处理，以及模型阶数选择和后验判断如何反映先验敏感性。
- 阅读边界
- 仅据所给 RePEc 出版社摘要，无法判断方法是否消除了先验敏感性，也不能确认其检验尺寸、功效或相对其他方法的表现。
原文摘要
In this paper we deal with the identification of an autoregressive model for an observed time series and the detection of a unit root in its characteristic polynomial. This is a big issue concerned with distinguishing stationary time series from time series for which differencing is required to induce stationarity. We consider a Bayesian approach, and particular attention is devoted to the problem of the sensitivity of the standard Bayesian analysis with respect to the choice of the prior distribution for the autoregressive coefficients.We thank three anonymous referees for their useful comments, which have improved the final version of the paper.