Bootstrap inference for impulse response functions in factor‐augmented vector autoregressions
因子增强 VAR 中脉冲响应函数的自助法推断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：摘要研究因子增强 VAR 的结构脉冲响应，并用于货币政策分析，直接对应 VAR 冲击推断与宏观因子模型。
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
因子增强 VAR 中脉冲响应函数的自助法推断
- 研究问题
- 在因子增强 VAR 中构造结构脉冲响应置信区间时，是否重新估计因子会怎样影响渐近有效性和有限样本覆盖率？
- 方法与思路
- 作者比较残差自助法中重新估计因子与不重新估计因子的两种程序，用于构造结构脉冲响应置信区间，并开展模拟与应用。
- 材料陈述的贡献
- 摘要称，计入因子估计误差的程序适用范围更宽，模拟覆盖率更准确，尤其在 N 远小于 T 时；应用的统计结论可能不同。
- 阅读关注点
- 应核对缺失的渐近条件、重估因子的具体步骤、结构冲击的识别方式，以及模拟覆盖率比较和货币政策应用中的结果变化。
- 阅读边界
- 所给摘要遗漏关键渐近条件的数学表达式，无法确定 N 与 T 的增长要求；模拟表现也不能外推至所有设定。
原文摘要
Summary In this study, we consider residual‐based bootstrap methods to construct the confidence interval for structural impulse response functions in factor‐augmented vector autoregressions. In particular, we compare the bootstrap with factor estimation (Procedure A) with the bootstrap without factor estimation (Procedure B). Both procedures are asymptotically valid under the condition , where N and T are the cross‐sectional dimension and the time dimension, respectively. However, Procedure A is also valid even when with 0 ≤ c < ∞ because it accounts for the effect of the factor estimation errors on the impulse response function estimator. Our simulation results suggest that Procedure A achieves more accurate coverage rates than those of Procedure B, especially when N is much smaller than T . In the monetary policy analysis of Bernanke et al. ( Quarterly Journal of Economics , 2005, 120 (1), 387–422), the proposed methods can produce statistically different results.