Uniform Nonparametric Inference for Spatially Dependent Panel Data
空间依赖面板数据的一致非参数推断AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要以时空依赖面板推断为方法核心，并明确应用于资产波动率和宏观调查预测的理性检验。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
空间依赖面板数据的一致非参数推断
- 研究问题
- 对于具有未知时空依赖的面板数据，如何对非参数回归函数进行一致推断，同时允许不同截面规模和较强空间相关？
- 方法与思路
- 作者在长时间跨度条件下，建立适用于时空依赖面板的增长维高斯耦合理论，据此构造非参数回归的一致函数推断方法。
- 材料陈述的贡献
- 摘要称方法不限制截面规模或空间相关强度；应用研究波动率与成交量关系，并提供专业预测者信息刚性的非参数证据。
- 阅读关注点
- 应核对长时间跨度、时空依赖及平滑估计的具体条件，以及高斯耦合如何支持一致覆盖和预测理性检验的经济含义。
- 阅读边界
- 仅依据所给 OpenAlex 版本摘要；具体依赖条件、带宽与应用结果未说明，不限制空间相关强度并非完全无条件有效，刊本变化未知。
原文摘要
This article proposes a uniform functional inference method for nonparametric regressions in a panel-data setting that features general unknown forms of spatio-temporal dependence. The method requires a long time span, but does not impose any restriction on the size of the cross section or the strength of spatial correlation. The uniform inference is justified via a new growing-dimensional Gaussian coupling theory for spatio-temporally dependent panels. We apply the method in two empirical settings. One concerns the nonparametric relationship between asset price volatility and trading volume as depicted by the mixture of distribution hypothesis. The other pertains to testing the rationality of survey-based forecasts, in which we document nonparametric evidence for information rigidity among professional forecasters, offering new support for sticky-information and noisy-information models in macroeconomics.