Simultaneous confidence bands: Theory, implementation, and an application to SVARs
同时置信带：理论、实现及结构 VAR 应用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：摘要明确将同时置信带用于结构 VAR 的脉冲响应函数估计，直接对应 VAR 与冲击响应推断。
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…
同时置信带：理论、实现及结构 VAR 应用
- 研究问题
- 如何为结构 VAR 的脉冲响应等参数向量构造同时置信带，并在一般非线性模型中比较带宽及选择依据？
- 方法与思路
- 作者研究 sup-t 带在非线性模型中的渐近性质与选择准则，并构造具有精确有限样本同时可信度的贝叶斯实现。
- 材料陈述的贡献
- 摘要称，sup-t 带延续渐近带宽优势，并具有默认选择的理论依据；所报 SVAR 应用中，比其他现成同时置信带至少窄 35%。
- 阅读关注点
- 应核对与 Bonferroni、投影带比较的条件、未知受众偏好的决策准则，以及贝叶斯同时可信度与频率覆盖率的区别。
- 阅读边界
- 摘要中的带宽缩减来自一个应用，不能推断所有模型均如此；精确贝叶斯可信度也不自动等同于频率学派覆盖率。
原文摘要
Summary Simultaneous confidence bands are versatile tools for visualizing estimation uncertainty for parameter vectors, such as impulse response functions. In linear models, it is known that that the sup‐t confidence band is narrower than commonly used alternatives—for example, Bonferroni and projection bands. We show that the same ranking applies asymptotically even in general nonlinear models, such as vector autoregressions (VARs). Moreover, we provide further justification for the sup‐t band by showing that it is the optimal default choice when the researcher does not know the audience's preferences. Complementing existing plug‐in and bootstrap implementations, we propose a computationally convenient Bayesian sup‐t band with exact finite‐sample simultaneous credibility. In an application to structural VAR impulse response function estimation, the sup‐t band—which has been surprisingly overlooked in this setting—is at least 35% narrower than other off‐the‐shelf simultaneous bands.