Global factors for local shocks in a data-scarce environment: with an application to regional fiscal multipliers in Italy
数据稀缺环境中以全球因子识别地方冲击：意大利区域财政乘数应用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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确结合面板异质性、共同因子与外部工具 SVAR 识别区域财政冲击，因此对应宏观冲击、因子模型及宏观面板。
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…
数据稀缺环境中以全球因子识别地方冲击：意大利区域财政乘数应用
- 研究问题
- 当面板存在强横截面依赖和动态异质性，而地方政策冲击的直接工具变量有限时，如何利用共同信息识别地区政策效应？
- 方法与思路
- 作者构建因子增强代理 SVAR，以全局非政策冲击工具和可选地方工具识别系统，再用最小距离估计地区政策反应函数。
- 材料陈述的贡献
- 摘要称该方法允许间接恢复地方政策冲击效应，联合工具带来可检验的过度识别，并用于估计意大利地区政府支出乘数。
- 阅读关注点
- 应核对全局工具从因子 SVAR 构造的识别依据、地方工具的有效性、间接恢复机制，以及过度识别检验实际检验哪些限制。
- 阅读边界
- 这是预印本，同行评审及期刊接收未获核实。摘要未给出完整工具有效性假设及财政乘数数值，过度识别也不能单独保证识别正确。
原文摘要
We propose a novel econometric methodology for Structural Vector Autoregressions with external instruments (`proxy-SVARs' or `SVAR-IVs') in panel data characterized by strong cross-sectional dependence, dynamic heterogeneity, and limited availability of direct external instruments for the shocks of interest. For each unit, we specify a Factor-Augmented proxy-SVAR (`proxy-FA-SVAR') that incorporates factors summarizing cross-sectional information from the non-policy variables of the system. The effects of the policy shocks are then recovered indirectly by estimating unit-specific policy reaction functions through a Minimum Distance approach. Identification relies on global instruments for the non-policy shocks; that is, proxies common to all units in the panel, internally constructed from a separate SVAR estimated on factors for the policy and non-policy variables. These global instruments can be complemented with local (idiosyncratic) instruments constructed from auxiliary unit-level SVARs. Their joint use renders the proxy-FA-SVARs overidentified and therefore statistically testable. We illustrate the methodology by estimating government spending multipliers for Italian NUTS-2 regions using annual data. The global and local instruments for the regional output shocks are obtained from Blanchard-Perotti-type SVARs.