跳转至

从 Mixing 到 NED:空间极限定理的证明思路

来源: Jenish & Prucha (2009, JoE) + Jenish & Prucha (2012, JoE)


一维 Mixing 的证明思路

时间序列的索引在 \(\mathbb{Z}\) 上,是"一条线"。证明 LLN/CLT 的经典策略:

  1. 把序列 \(X_1, \ldots, X_n\) 分成若干大块小块,交替排列
  2. 小块的宽度 \(\to \infty\)(但比大块慢),作为间隔
  3. Mixing 条件保证:间隔足够宽时,大块之间近似独立
  4. 对大块组成的"近似独立序列"用经典 CLT,再控制小块的贡献

关键:一维索引下,"距离远"和"中间插一段间隔"是等价的,分割方案唯一,没有歧义。


高维的困难

到了 \(\mathbb{Z}^d\)\(d \ge 2\)),"切一刀分两段"失效了:

  • 两个区域 \(U, V\) 之间没有唯一的间隔带,信息可以从任意方向绕过去
  • 距离 \(r\) 处有 \(O(r^{d-1})\) 个邻居,依赖会沿各方向累积
  • 一维的 \(\alpha(m)\) 只需一个距离参数;高维需要 \(\alpha_{k,l}(r)\) 三个参数(两个子集大小 + 距离),因为同样的距离下子集越大累积依赖越强

JP09 的应对: CLT 的可加性条件变为 \(\sum_m m^{d-1} \bar{\alpha}_{k,l}(m) < \infty\),多出来的 \(m^{d-1}\) 正是 \(d\) 维球壳的体积因子——要把球壳上所有方向的依赖都压下去。


为什么还需要 NED

JP09 解决了 mixing random fields 的 LLN/CLT,但 alpha-mixing 有一个根本缺陷:在无穷变换下不封闭

SAR 模型的 reduced form:

\[Y_i = \sum_{k=0}^{\infty} \lambda^k [W^k (X\beta + \varepsilon)]_i\]

即使 innovation \(\{\varepsilon_j\}\) 是 i.i.d.(最强的 mixing),\(Y_i\) 作为 \(\varepsilon\) 的无穷加权和,一般不是 alpha-mixing 的。所以 JP09 的结果无法直接用于 SAR。


NED 的核心思想:用距离取代分割

NED 不试图沿某条路径分割(那在 \(\mathbb{R}^d\) 上做不到),而是换了一个思路:用点到集合的距离定义逼近质量

\[\|Z_i - E(Z_i \mid \mathcal{F}_i(s))\|_p \le d_i \cdot \psi(s), \quad \psi(s) \to 0\]

其中 \(\mathcal{F}_i(s) = \sigma\{\varepsilon_j : \|j - i\| \le s\}\) 是以 \(i\) 为中心、半径 \(s\)内 innovation 生成的 sigma-field。

直觉:\(Z_i\) 可以依赖所有 \(\varepsilon_j\)(无穷变换没问题),只要球外的影响随半径 \(s\) 增大以速率 \(\psi(s)\) 衰减。


JP12 的证明策略:截断 + 逼近

JP12 的证明是一个优雅的两步逼近

第一步:截断。\(Z_i\) 分解为

\[Z_i = \underbrace{E(Z_i \mid \mathcal{F}_i(s))}_{Z_i^{(s)}} + \underbrace{R_i^{(s)}}_{\text{残差}}\]
  • \(Z_i^{(s)}\) 只依赖于半径 \(s\) 内的 innovation → 是底层 mixing 过程的有限范围函数
  • \(R_i^{(s)}\) 是截断残差

第二步:分别处理。

  • \(Z_i^{(s)}\) 继承 mixing: 因为它是 \(\{\varepsilon_j : \|j-i\| \le s\}\) 的可测函数,而 \(\varepsilon\) 过程是 mixing 的 → 直接用 JP09 的 LLN/CLT
  • \(R_i^{(s)}\) 由 NED 控制: \(\|R_i^{(s)}\|_p \le d_i \cdot \psi(s) \to 0\)

第三步:令 \(s \to \infty\) 先固定 \(s\),对 \(Z^{(s)}\) 用 JP09 得到极限定理;再让 \(s \to \infty\),残差项消失,极限定理传递到原始过程 \(Z_i\)


包含关系

\[\text{i.i.d.} \subset \text{mixing} \subset \text{NED on mixing}\]

NED 的核心价值:闭合性。NED on mixing 在无穷变换下封闭,所以 SAR reduced form、Tobit 截断、GARCH、无穷阶 MA 等都可以纳入这个框架。