向量自回归模型中用于图选择一致性的 EAS 方法
统计方法学
2019-06-13 v1
摘要
正如频率学派文献中各种近期重要论文以及宏观经济学、基因组学和神经科学中的众多应用所证明的那样，理解高维向量自回归（VAR）模型的理论估计性质持续受到广泛关注。然而迄今为止，尽管贝叶斯 VAR（BVAR）模型已被提出并在经验上得到研究（主要在经济计量学文献中），文献中针对 BVAR 模型重复抽样性质的理论研究极少。在此方向上，我们基于 VAR 转移矩阵所有活跃/非活跃分量（图）上相对模型概率的广义信 fiducial 分布，通过 - subsets（EAS）方法构建用于类后验推断的方法论。我们给出了 EAS 方法对稳定 VAR(1) 模型的 与 图选择一致性的数学证明，该证明对模型误设具有鲁棒性，并通过数值实验表明其在高维设定下是一种有效策略。
引用
@article{arxiv.1906.04812,
title = {The EAS approach for graphical selection consistency in vector autoregression models},
author = {Jonathan P Williams and Yuying Xie and Jan Hannig},
journal= {arXiv preprint arXiv:1906.04812},
year = {2019}
}