Estimating nonlinear time-series models using simulated vector autoregressions
利用模拟向量自回归估计非线性时间序列模型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：题名涉及模拟向量自回归，摘要以美国宏观时间序列估计真实经济周期模型。
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
利用模拟向量自回归估计非线性时间序列模型
- 研究问题
- 论文研究如何在解析处理困难的非线性动态经济模型中开展正式统计推断，以及渐近效率与宏观常见小样本表现是否一致。
- 方法与思路
- 作者提出两种主要依赖模型动态行为数值模拟的推断方法，进行蒙特卡洛比较，并用小样本表现较好的估计量拟合美国真实经济周期模型。
- 材料陈述的贡献
- 摘要称，在特定应用中，渐近效率较低的方法反而具有更小的小样本均方误差，并展示其在美国宏观时间序列上的参数估计。
- 阅读关注点
- 应核对模拟向量自回归在估计中的作用、两种方法的效率条件，以及有限样本比较的模型、样本规模和模拟设计。
- 阅读边界
- 仅据所给 OpenAlex 摘要，无法判断两种估计量的具体构造；小样本优势仅针对所述应用，不能推断为普遍排序。
原文摘要
This paper develops two new methods for conducting formal statistical inference in nonlinear dynamic economic models. The two methods require very little analytical tractability, relying instead on numerical simulation of the model's dynamic behaviour. Although one of the estimators is asymptotically more efficient than the other, a Monte Carlo study shows that, for a specific application, the less efficient estimator has smaller mean squared error in samples of the size typically encountered in macroeconomics. The estimator with superior small sample performance is used to estimate the parameters of a real business cycle model using observed US time-series data.