Control VAR: a counterfactual based approach to inference in macroeconomics
Control VAR：基于反事实的宏观经济推断方法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。
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：摘要明确讨论 VAR 的宏观政策因果解释及以对照识别处理效应的方法。
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
Control VAR：基于反事实的宏观经济推断方法
- 研究问题
- 当宏观 VAR 难以依赖独立性假设获得因果解释时，能否借助对照变量估计二元政策的受处理者效应或连续政策的动态响应？
- 方法与思路
- 作者提出 control-VAR，利用对照变量构建因果效应估计，并以德国作对照研究自然灾害对美国经济的影响。
- 材料陈述的贡献
- 摘要称该方法可估计二元政策的受处理者平均效应与连续政策的动态因果响应；应用报告灾害负面影响且未见周期性正面效应。
- 阅读关注点
- 核对对照变量提供反事实的条件、动态效应的定义与推断方法，以及德国作为美国对照的依据、共同冲击和灾害溢出的处理。
- 阅读边界
- 这是 arXiv 预印本，同行评审和期刊接收均未核实；摘要未明确替代独立性假设的完整条件，也未报告灾害效应大小和不确定性。
原文摘要
This paper addresses the challenges of giving a causal interpretation to vector autoregressions (VARs). I show that under independence assumptions VARs can identify average treatment effects, average causal responses, or a mix of the two, depending on the distribution of the policy. But what about situations in which the economist cannot rely on independence assumptions? I propose an alternative method, defined as control-VAR, which uses control variables to estimate causal effects. Control-VAR can estimate average treatment effects on the treated for dummy policies or average causal responses over time for continuous policies. The advantages of control-based approaches are demonstrated by examining the impact of natural disasters on the US economy, using Germany as a control. Contrary to previous literature, the results indicate that natural disasters have a negative economic impact without any cyclical positive effect. These findings suggest that control-VARs provide a viable alternative to strict independence assumptions, offering more credible causal estimates and significant implications for policy design in response to natural disasters.