The finite-sample effects of VAR dimensions on OLS bias, OLS variance, and minimum MSE estimators
VAR 维度对 OLS 偏差、方差与最小均方误差估计的有限样本影响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：摘要直接研究非平稳向量自回归模型的估计及其维度效应。
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…
VAR 维度对 OLS 偏差、方差与最小均方误差估计的有限样本影响
- 研究问题
- 在纯非平稳一阶 VAR 中，系统维度与模型过度参数化如何影响 OLS 的有限样本偏差、方差及均方误差？
- 方法与思路
- 作者结合蒙特卡洛模拟与数值优化拟合偏差和方差响应面，考察额外常数、趋势及滞后项，并求取均方误差修正因子。
- 材料陈述的贡献
- 摘要称，结果扩展已有多变量偏差分析，将单变量方差与均方误差结果推广至多变量情形，并补充渐近研究。
- 阅读关注点
- 应核对纯非平稳过程的具体设定、响应面的拟合范围和误差，以及修正因子是否依赖未知的数据生成参数。
- 阅读边界
- 仅据所给出版社摘要，无法判断修正系数的公式及改善幅度；结果来自指定一阶非平稳过程，外推范围未说明。
原文摘要
Vector autoregressions (VARs) are important tools in time series analysis. However, relatively little is known about the finite-sample behaviour of parameter estimators. We address this issue, by investigating ordinary least squares (OLS) estimators given a data generating process that is a purely nonstationary first-order VAR. Specifically, we use Monte Carlo simulation and numerical optimisation to derive response surfaces for OLS bias and variance, in terms of VAR dimensions, given correct specification and several types of over-parameterisation of the model: we include a constant, and a constant and trend, and introduce excess lags. We then examine the correction factors that are required for the least squares estimator to attain the minimum mean squared error (MSE). Our results improve and extend one of the main finite-sample multivariate analytical bias results of Abadir, Hadri and Tzavalis [Abadir, K.M., Hadri, K., Tzavalis, E., 1999. The influence of VAR dimensions on estimator biases. Econometrica 67, 163-181], generalise the univariate variance and MSE findings of Abadir [Abadir, K.M., 1995. Unbiased estimation as a solution to testing for random walks. Economics Letters 47, 263-268] to the multivariate setting, and complement various asymptotic studies.