Infinite-dimensional VARs and factor models
无限维 VAR 与因子模型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：摘要直接研究无限维 VAR 的动态估计与未观测共同因子，并以州际房价时间序列为应用。
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
无限维 VAR 与因子模型
- 研究问题
- 在变量数量不断增加、同时存在邻近作用和未观测共同因子的 VAR 系统中，如何缓解维度问题并估计动态溢出？
- 方法与思路
- 作者令少数邻居的作用不随维度变化，并限制非邻居系数在维度增大时趋零，提出横截面增广最小二乘估计并分析渐近分布。
- 材料陈述的贡献
- 摘要称，文中为平稳无限维 VAR 提出 CALS 估计并推导其分布；模拟表现令人满意，美国州际房价应用发现动态溢出显著。
- 阅读关注点
- 应核对邻居集合的定义、非邻居系数趋零的速度、共同因子处理方式，以及平稳性与维度增长条件如何支持推断。
- 阅读边界
- 仅依据所给出版社摘要；摘要未说明完整条件、模拟数值或房价结果细节，统计显著的邻近动态作用不能直接视为因果效应。
原文摘要
This paper proposes a novel approach for dealing with the 'curse of dimensionality' in the case of infinite-dimensional vector autoregressive (IVAR) models. It is assumed that each unit or variable in the IVAR is related to a small number of neighbors and a large number of non-neighbors. The neighborhood effects are fixed and do not change with the number of units (N), but the coefficients of non-neighboring units are restricted to vanish in the limit as N tends to infinity. Problems of estimation and inference in a stationary IVAR model with an unknown number of unobserved common factors are investigated. A cross-section augmented least-squares (CALS) estimator is proposed and its asymptotic distribution is derived. Satisfactory small-sample properties are documented by Monte Carlo experiments. An empirical illustration shows the statistical significance of dynamic spillover effects in modeling of US real house prices across the neighboring states.