Inference in Non-stationary High-Dimensional VARs
非平稳高维 VAR 模型中的推断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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确研究非平稳高维 VAR、滞后增广与 Granger 因果检验。
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…
非平稳高维 VAR 模型中的推断
- 研究问题
- 在变量很多且时间序列单整阶数未知的 VAR 中，如何开展有效的 Granger 因果检验，并兼顾变量筛选的不确定性？
- 方法与思路
- 作者仅对检验关注变量增广滞后，增广数量覆盖疑似最高单整阶数，再用惩罚回归进行双重选择和第二阶段回归。
- 材料陈述的贡献
- 摘要称局部滞后增广适用于高维环境，并建立第二阶段估计的一致渐近正态性；模拟和经济不确定性应用支持方法表现。
- 阅读关注点
- 应核对最高单整阶数上界、稀疏性及惩罚选择条件，确认统一渐近结论的参数范围与 Granger 检验的预测含义。
- 阅读边界
- 这是 arXiv 预印本，同行评审与接收未核实。摘要未给出增长率和完整条件，Granger 关系不能直接解释为干预因果效应。
原文摘要
In this paper we construct an inferential procedure for Granger causality in high-dimensional non-stationary vector autoregressive (VAR) models. Our method does not require knowledge of the order of integration of the time series under consideration. We augment the VAR with at least as many lags as the suspected maximum order of integration, an approach which has been proven to be robust against the presence of unit roots in low dimensions. We prove that we can restrict the augmentation to only the variables of interest for the testing, thereby making the approach suitable for high dimensions. We combine this lag augmentation with a post-double-selection procedure in which a set of initial penalized regressions is performed to select the relevant variables for both the Granger causing and caused variables. We then establish uniform asymptotic normality of a second-stage regression involving only the selected variables. Finite sample simulations show good performance, an application to investigate the (predictive) causes and effects of economic uncertainty illustrates the need to allow for unknown orders of integration.