On Testing for Serial Correlation with a Wavelet-Based Spectral Density Estimator in Multivariate Time Series
Notice bibliographique
Résumé
A new one-sided test for serial correlation in multivariate time series models is proposed. The test is based on a comparison between a multivariate spectral density estimator and the spectral density under the null hypothesis of no serial correlation. Duchesne and Roy (2004, Journal of Multivariate Analysis 89, 148–180) considered a multivariate kernel-based spectral density estimator. However, when the spectral density exhibits irregular features (because of strong autocorrelation or seasonality, among other factors), it is expected that a multivariate wavelet-based spectral density estimator will capture more effectively the local behavior of the spectral density. We consider a test based on a wavelet spectral density estimator, which represents a generalization of a test proposed by Lee and Hong (2001, Econometric Theory 17, 386–423). The asymptotic distribution of the new test is established under the null hypothesis, which is N(0, 1). We propose and justify a suitable data-driven method to choose the smoothing parameter of the wavelet estimator (called the finest scale in that context). The new test should be powerful when the spectral density contains peaks or bumps. This is confirmed in a simulation study, where kernel-based and wavelet-based estimators are compared.The author thanks the co-editor Pentti Saikkonen and two referees for their constructive remarks and suggestions. Many thoughtful comments of the referees led to significant improvements of the paper. This work was supported by grants from the National Science and Engineering Research Council of Canada and the Fonds québécois de la recherche sur la nature et les technologies du Québec (Canada).
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,052 | 0,224 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,005 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,006 |
| Communication savante | 0,002 | 0,006 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».