How to estimate a vector autoregression after March 2020
2020年3月之后如何估计向量自回归模型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：摘要明确研究宏观向量自回归及经济预测不确定性，对应时间序列、VAR 与局部投影类别中的 VAR，以及预测方向。
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
2020年3月之后如何估计向量自回归模型
- 研究问题
- 估计宏观向量自回归模型时，如何处理疫情期间连续出现的极端观测，并区分其对参数估计和经济预测的影响？
- 方法与思路
- 作者讨论极端观测下的向量自回归估计，评估删除这些观测的临时处理策略，并考察忽略近期数据对预测不确定性的影响。
- 材料陈述的贡献
- 摘要称，删除极端观测用于参数估计可能可以接受，但预测经济未来演变时忽略这些数据可能低估不确定性。
- 阅读关注点
- 应核对极端观测的具体处理方法、参数估计比较标准、预测不确定性的构造，以及删除数据可接受的条件与证据。
- 阅读边界
- 仅据 Crossref 摘要；摘要未说明具体修正模型、样本和预测数值，不能将删除观测理解为适用于所有目标的通用规则。
原文摘要
Summary This paper illustrates how to handle a sequence of extreme observations—such as those recorded during the COVID‐19 pandemic—when estimating a vector autoregression, which is the most popular time‐series model in macroeconomics. Our results show that the ad hoc strategy of dropping these observations may be acceptable for the purpose of parameter estimation. However, disregarding these recent data is inappropriate for forecasting the future evolution of the economy, because it may underestimate uncertainty.