Small-sample Confidence Intervals for Impulse Response Functions
脉冲响应函数的小样本置信区间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：摘要直接讨论 VAR 脉冲响应推断，并涵盖平稳、随机游走及协整时间序列。
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
脉冲响应函数的小样本置信区间
- 研究问题
- 脉冲响应估计量的小样本偏差和偏度如何影响置信区间，偏差修正自助法能否改善不同 VAR 设定下的区间表现？
- 方法与思路
- 作者构造考虑偏差与偏度的 bootstrap 区间，在多种双变量模型中比较其与其他区间方法，并提供实证示例。
- 材料陈述的贡献
- 摘要称该区间在平稳自回归中保持渐近有效，且多类模型模拟中小样本表现更准确，应用中的经济解释也可能随之改变。
- 阅读关注点
- 应核对偏差修正与重抽样步骤、区间准确性的衡量，以及平稳、随机游走和协整设定分别获得何种理论或模拟支持。
- 阅读边界
- 摘要仅明确平稳自回归中的渐近有效性；随机游走和协整过程的改善来自所述模拟，不能直接扩展为一般理论保证。
原文摘要
Bias-corrected bootstrap confidence intervals explicitly account for the bias and skewness of the small-sample distribution of the impulse response estimator, while retaining asymptotic validity in stationary autoregressions. Monte Carlo simulations for a wide range of bivariate models show that in small samples bias-corrected bootstrap intervals tend to be more accurate than delta method intervals, standard bootstrap intervals, and Monte Carlo integration intervals. This conclusion holds for VAR models estimated in levels, as deviations from a linear time trend, and in first differences. It also holds for random walk processes and cointegrated processes estimated in levels. An empirical example shows that bias-corrected bootstrap intervals may imply economic interpretations of the data that are substantively different from standard methods. © 1998 by the President and Fellows of Harvard College and the Massachusetts Institute of Technology