The sampling properties of conditional independence graphs for structural vector autoregressions
结构向量自回归条件独立图的抽样性质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：摘要明确研究结构向量自回归的递归识别与同期、滞后依赖检验，直接对应VAR及时间序列方法。
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
结构向量自回归条件独立图的抽样性质
- 研究问题
- 在具有递归结构的结构向量自回归中，用同期与滞后变量构造条件独立图时，检验图中连边的统计量有哪些大样本性质？
- 方法与思路
- 作者将递归结构模型与有向无环图联系起来，分析条件独立图连边检验统计量的渐近性质，并以简单例子说明应用。
- 材料陈述的贡献
- 摘要称，论文确定了检验条件独立图中连边所用统计量的大样本性质，为此类图辅助结构模型识别提供推断依据。
- 阅读关注点
- 应核对连边对应的条件独立命题、统计量定义与极限分布条件，以及图约束如何转化为结构向量自回归的识别限制。
- 阅读边界
- 仅据版本未注明的OpenAlex摘要，未说明具体检验分布、识别充分性或有限样本表现；条件独立连边不能直接解释为因果效应。
原文摘要
Structural vector autoregressions allow contemporaneous series dependence and assume errors with no contemporaneous correlation. Models of this form, that also have a recursive structure, can be described by a directed acyclic graph. An important tool for identification of these models is the conditional independence graph constructed from the contemporaneous and lagged values of the process. We determine the large‐sample properties of statistics used to test for the presence of links in this graph. A simple example illustrates how these results may be applied.