A model-free consistent test for structural change in regression possibly with endogeneity
允许内生性的回归结构变化无模型一致检验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：摘要明确针对时间序列回归的结构不稳定、平滑变化及未知断点，支持结构变化和时间序列分类。
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
允许内生性的回归结构变化无模型一致检验
- 研究问题
- 在回归函数未知且解释变量可能内生或离散时，如何检测平滑结构变化与未知日期的突变，并避免高维非参数平滑困难？
- 方法与思路
- 作者通过检验数据傅里叶变换的稳定性识别结构变化，选择权重函数避免数值积分，并推导原假设下的渐近标准正态分布。
- 材料陈述的贡献
- 摘要称检验允许内生与离散解释变量，对广泛的平滑变化和突变具有一致性，且模拟与实证展示了合理的有限样本表现。
- 阅读关注点
- 应核对傅里叶变换稳定性与回归结构稳定性的对应、内生性的允许范围，以及权重选择、依赖条件和可检测备择集合。
- 阅读边界
- 仅据所给出版社摘要，无法判断无模型表述所依赖的具体限制；允许内生变量的变化检验不等于识别回归系数的因果效应。
原文摘要
Structural instability leads to misleading inference and imprecise prediction of time series models that assume stationarity. We propose a model-free consistent test for structural change in regression by testing the instability of the Fourier transform of data. This novel approach avoids smoothed nonparametric estimation of the unknown regression function and so is free of the “curse of dimensionality” problem. Unlike the existing literature, we allow for endogenous and discrete regressors. By using a proper choice of weighting functions for the transform parameters in the Fourier transform, we avoid numerical integration so that our test statistic is easy to compute. Our test statistic has a convenient asymptotic N(0,1) distribution under the null hypothesis of no structural change and is consistent against a large class of smooth structural changes as well as abrupt structural breaks with unknown break dates. A Monte Carlo study and an empirical application show that our test performs reasonably well in finite samples.