Wasserstein 自回归模型的诊断检验
统计方法学
2025-12-01 v1
摘要
Wasserstein 自回归提供了一种用于建模概率分布序列相关性的稳健框架，广泛应用于经济学、金融和气候科学。在本文中，我们发展了用于评估 Wasserstein 自回归模型充分性的端口曼型诊断检验。通过定义模型误差和残差在 Wasserstein 空间中的自相关函数，我们构建了两个相关的检验：一个类似于经典 McLeod 类型检验，另一个基于 Davis 和 Fernandes(2025) 的样本分割方法。我们证明，在温和的正则性条件下，相应的检验统计量收敛于卡方分布极限。模拟研究和实证应用表明，所提出的检验有效地检测模型误规，为分布式时间序列分析提供了一个原则且可靠的诊断工具。
引用
@article{arxiv.2511.22274,
title = {Diagnostic Checking for Wasserstein Autoregression},
author = {Chenxiao Dai and Feiyu Jiang and Dong Li and Xiaofeng Shao},
journal= {arXiv preprint arXiv:2511.22274},
year = {2025}
}