Econometric Model Determination
计量经济模型的确定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：摘要明确讨论经济时间序列预测，并在BVAR与降秩回归中进行模型及阶数选择，对应时间序列和预测方向。
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
计量经济模型的确定
- 研究问题
- 如何选择用于经济时间序列预测的模型，并在多变量回归框架中比较模型、联合确定协整秩、滞后阶数和趋势次数？
- 方法与思路
- 作者采用贝叶斯方法，称其亦可由经典论证支持；发展贝叶斯渐近理论和向量鞅嵌入技术，在包含BVAR与降秩回归的框架中实现建模思路。
- 材料陈述的贡献
- 摘要说明理论可用于优化BVAR、比较模型，联合选择协整秩、滞后阶数和趋势次数，以及舍弃可能无关的数据并重设模型初始条件。
- 阅读关注点
- 核对贝叶斯准则及其经典论证、向量鞅嵌入的作用，并查看联合阶数选择、模型优化与重设初始条件的具体规则及适用条件。
- 阅读边界
- 摘要未说明模型先验、优化准则、数据舍弃规则及实际预测误差，因此无法判断这些选择程序在具体样本中的稳定性或预测优势。
原文摘要
This paper is concerned with model determination methods and their use in the prediction of economic time series. The methods are Bayesian but they can be justified by classical arguments as well. The paper continues some recent work on Bayesian asymptotic, develops embedding techniques for vector martingales, and implements the modeling ideas in a multivariate regression framework that includes Bayesian vector autoregression (BVAR's) and reduced rank regressions (RRR's). It is shown how the theory in the paper can be used; (i) to construct optimized BVAR's; (ii) to compare models such as BVAR's, optimized BVAR's and RRR's; (iii) to perform joint order selection of cointegrating rank, lag length and trend degree in a VAR; and (iv) to discard data that may be irrelevant and reset the initial conditions of a model. Copyright 1996 by The Econometric Society.