近日，我校经济管理学院博士研究生张熙林（范国良教授指导）等在国际期刊《Random Matrices: Theory and Applications》合作发表了题为“Empirical Likelihood Inference for Time-Varying Coefficient Autoregressive Models”的学术论文。

本研究提出了时变系数自回归模型（TVARMs），以解决捕捉多个解释变量非线性结构的问题。文章假设响应变量为自回归和平稳的α混合序列，并允许模型中的解释变量具有动态系数和较高维度。为了提高估计的准确性，文章采用了经验似然（EL）方法来估计自回归系数，并使用惩罚经验似然（PEL）方法确定自回归的阶数。此外，在PEL估计中引入了局部自适应极大化化极小化算法，以提升计算效率。本文的研究贡献主要体现在以下三个方面：（1）通过应用EL方法，我们提供了满足Wilks定理非参数版本的自回归系数的经验对数似然比，并据此构建了自回归系数的置信区间；（2）提出了自回归系数的最大经验似然估计量，并建立了其渐近分布；（3）采用PEL方法确定自回归的阶数，并证明了PEL估计量的Oracle特性。最后，通过大量的数值模拟和基于价格指数数据集的实际数据分析，验证了本文所提出模型和方法的适用性和有效性。

全文链接为： https://www.worldscientific.com/doi/10.1142/S2010326324500151