Inferential theory for generalized dynamic factor models
广义动态因子模型的推断理论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：摘要明确以高维时间序列的广义动态因子模型为对象，并研究公共冲击、动态载荷和公共成分的统计推断。
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…
广义动态因子模型的推断理论
- 研究问题
- 如何为高维时间序列的广义动态因子模型建立推断基础，使公共冲击、动态载荷、公共成分及脉冲响应获得标准误？
- 方法与思路
- 作者利用公共冲击与动态载荷之间的对偶关系，推导一类相关估计量的渐近分布和标准误，并构造美国核心通胀指标。
- 材料陈述的贡献
- 摘要称，论文提供广义动态因子模型的渐近分布理论；应用中的核心通胀指标优于常见方法，尤其是基于主成分的方法。
- 阅读关注点
- 应核对冲击与载荷的归一化、维度和样本量增长条件、标准误构造，以及核心通胀指标比较所使用的评价目标。
- 阅读边界
- 仅依据所给出版社摘要；具体推断条件、冲击解释和指标比较数值未说明，应用中的优越性陈述不能视为普遍结论。
原文摘要
We provide the asymptotic distributional theory for the so-called General or Generalized Dynamic Factor Model (GDFM), laying the foundations for an inferential approach in the GDFM analysis of high-dimensional time series. By exploiting the duality between common shocks and dynamic loadings, we derive the asymptotic distribution and associated standard errors for a class of estimators for common shocks, dynamic loadings, common components, and impulse response functions. We present an empirical application aimed at constructing a “core” inflation indicator for the U.S. economy, which demonstrates the superiority of the GDFM-based indicator over the most common approaches, particularly the one based on Principal Components.