Dynamic Vector Mode Regression
动态向量众数回归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：摘要明确讨论向量自回归条件众数模型，并展示多步预测和脉冲响应函数，分别对应时间序列、预测及VAR相关分析。
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…
动态向量众数回归
- 研究问题
- 对于具有连续联合条件密度和明确全局众数的随机向量，如何估计其条件众数，并用于动态模型、联立方程及多步预测？
- 方法与思路
- 作者提出半参数全系统估计量并研究其渐近性质，重点考虑向量自回归条件众数模型，以及由众数约束定义的线性联立方程系统。
- 材料陈述的贡献
- 摘要称，所提全系统估计量易于实现，模拟显示有限样本表现尚可，且实证例子展示其多步预测与脉冲响应分析用途。
- 阅读关注点
- 重点核对联合条件众数的定义与识别条件、全系统估计的实现和渐近假设，以及众数模型下预测与脉冲响应的解释。
- 阅读边界
- 摘要未说明模拟设计、经验数据或预测比较结果；基于众数限制构造的脉冲响应能否作因果解释，也需核对额外识别条件。
原文摘要
We study the semiparametric estimation of the conditional mode of a random vector that has a continuous conditional joint density with a well-defined global mode. A novel full-system estimator is proposed and its asymptotic properties are studied. We specifically consider the estimation of vector autoregressive conditional mode models and of systems of linear simultaneous equations defined by mode restrictions. The proposed estimator is easy to implement and simulations suggest that it is reasonably behaved in finite samples. An empirical example illustrates the application of the proposed methods, including its use to obtain multistep forecasts and to construct impulse response functions.