MétaCan
Menu
Retour à la cohorte
Enregistrement W3123239245

Unit Root Testing with Stationary Covariates and a Structural Break in the Trend Function

2011· preprint· en· W3123239245 sur OpenAlexaff
Sebastian Fossati

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2011
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFinancial Risk and Volatility Modeling
Établissements canadiensUniversity of Alberta
Organismes subventionnairesUniversity of Washington
Mots-clésUnit rootUnivariateMathematicsMultivariate statisticsCovariateStructural breakEconometricsStatisticsFunction (biology)Sample (material)Unit root testPower functionPower (physics)Statistical hypothesis testingFocus (optics)Sample size determinationCointegrationMathematical analysis
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The issue of testing for a unit root allowing for a structural break in the trend function is considered. The focus is on the construction of more powerful tests using the information in relevant multivariate data sets. The proposed test adopts the GLS detrending approach and uses correlated stationary covariates to improve power. As it is standard in the literature, the break date is treated as unknown. Asymptotic distributions are derived and a set of asymptotic and nite sample critical values are tabulated. Asymptotic local power functions show that power gains can be large. Finite sample results show that the test exhibits small size distortions and power that can be far beyond what is achievable by univariate tests.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,127
Score d'incertitude au seuil0,993

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,090
Tête enseignante GPT0,289
Écart entre enseignants0,199 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetFinancial Risk and Volatility ModelingTravaux en français237 207