On bootstrapping panel factor series
面板因子序列的自助法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：摘要明确研究面板因子序列，并围绕截面依赖、因子结构及双维度渐近展开。
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
面板因子序列的自助法
- 研究问题
- 筛式自助法用于非平稳面板因子序列时何时有效，截面依赖及截面和时间维度共同增长会带来哪些限制？
- 方法与思路
- 作者推导逐截面单位的自助不变性原理与联合渐近结果，研究自回归截断阶数、长期方差估计和重抽样方式。
- 材料陈述的贡献
- 摘要给出依赖于两个样本维度的截断阶数上界，并称逐个截面单位重抽样在弱截面依赖下可支持有效推断。
- 阅读关注点
- 核对弱截面依赖的定义、两个维度的增长关系、截断阶数限制，以及逐单位有效性与联合有效性的区别。
- 阅读边界
- 仅依据所给出版社摘要；一般截面依赖下长期方差估计存在困难，摘要未列出自助法有效性的具体条件。
原文摘要
This paper studies the asymptotic validity of sieve bootstrap for nonstationary panel factor series. Two main results are shown. Firstly, a bootstrap Invariance Principle is derived pointwise in i, obtaining an upper bound for the order of truncation of the AR polynomial that depends on n and T. Consistent estimation of the long run variances is also studied for (n,T)→∞. Secondly, joint bootstrap asymptotics is also studied, investigating the conditions under which the bootstrap is valid. In particular, the extent of cross sectional dependence which can be allowed for is investigated. Whilst we show that, for general forms of cross dependence, consistent estimation of the long run variance (and therefore validity of the bootstrap) is fraught with difficulties, however we show that “one-cross-sectional-unit-at-a-time” resampling schemes yield valid bootstrap based inference under weak forms of cross-sectional dependence.