Robust Inference for Diffusion-Index Forecasts With Cross-Sectionally Dependent Data
横截面相关数据下扩散指数预测的稳健推断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：摘要以近似因子结构和扩散指数模型构造预测均值区间，并应用于失业率预测，直接对应宏观因子模型与预测推断。
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
横截面相关数据下扩散指数预测的稳健推断
- 研究问题
- 在近似因子模型的特异误差存在横截面异方差与相关性时，如何估计公共因子估计的方差，并对预测条件均值进行推断？
- 方法与思路
- 作者在近似因子结构下对空间 HAC 方差估计量取时间平均，据此构造预测条件均值的置信区间，并以 bootstrap 选择带宽。
- 材料陈述的贡献
- 摘要称建立较温和条件下的渐近结果，实施无需预先知道相关结构；模拟及失业率预测应用展示区间方法的有限样本表现。
- 阅读关注点
- 核对因子估计误差如何进入方差、空间 HAC 权重与带宽构造、横截面及时间维度的渐近要求，并检查区间覆盖率评价。
- 阅读边界
- 摘要未说明完整条件、依赖度量和数值覆盖率；这里的区间针对条件均值，不能直接当作涵盖未来随机波动的预测区间。
原文摘要
In this article, we propose the time-series average of spatial HAC estimators for the variance of the estimated common factors under the approximate factor structure. Based on this, we provide the confidence interval for the conditional mean of the diffusion-index forecasting model with cross-sectional heteroscedasticity and dependence of the idiosyncratic errors. We establish the asymptotics under very mild conditions, and no prior information about the dependence structure is needed to implement our procedure. We employ a bootstrap to select the bandwidth parameter. Simulation studies show that our procedure performs well in finite samples. We apply the proposed confidence interval to the problem of forecasting the unemployment rate using data by Ludvigson and Ng.