Panel vector autoregression under cross-sectional dependence
横截面相关下的面板向量自回归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：摘要直接研究面板VAR估计，并以因子结构处理横截面相关，对应宏观面板、VAR与因子模型。
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
横截面相关下的面板向量自回归
- 研究问题
- 当面板序列存在横截面相关，且平稳与单位根过程未知混合、可能协整时，应如何估计面板向量自回归模型？
- 方法与思路
- 作者用因子结构刻画横截面相关，将因子分析扩展至向量过程，并采用完全修正估计及提出因子增强的完全修正估计。
- 材料陈述的贡献
- 摘要称提出适用于该面板VAR设定的因子增强完全修正估计量，模拟显示其在样本量较大时表现良好。
- 阅读关注点
- 应核对因子与个体过程的设定、协整关系处理、因子估计误差的影响，以及大样本结果对横截面和时间维度的要求。
- 阅读边界
- 摘要未列明渐近条件、因子数选择或具体模拟指标；大样本下表现良好的陈述不足以判断小样本性能或冲击识别能力。
原文摘要
This paper studies estimation in panel vector autoregression (VAR) under cross-sectional dependence. The time series are allowed to be an unknown mixture of stationary and unit root processes with possible cointegrating relations. The cross-sectional dependence is modeled with a factor structure. We extend the factor analysis in Bai and Ng (2002, Econometrica 70, 91--221) to vector processes. The fully modified (FM) estimator in Phillips (1995) is used for estimation in panel VAR and we also propose a factor augmented FM estimator. Our simulation results show this factor augmented FM estimator performs well when sample size is large. Copyright © 2008 The Author. Journal compilation © Royal Economic Society 2008