Inference in Bayesian Proxy-SVARs
贝叶斯代理工具变量 SVAR 的推断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：摘要明确研究外部工具变量识别的结构 VAR、结构冲击及反事实分析。
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…
贝叶斯代理工具变量 SVAR 的推断
- 研究问题
- 在使用外部工具变量识别结构冲击的 Proxy-SVAR 中，如何进行有限样本贝叶斯推断，并同时利用零约束和符号约束？
- 方法与思路
- 作者构造对 Proxy-SVAR 结构参数后验分布进行独立抽样的算法，允许代理工具与传统识别约束结合，并展示反事实分析。
- 材料陈述的贡献
- 摘要称，算法提供精确有限样本推断，能从结构参数化的后验分布独立抽样，并将既有反事实分析推广到已识别结构冲击。
- 阅读关注点
- 应核对后验分布与先验设定、独立抽样实现、代理工具的识别条件，以及零约束、符号约束与反事实分析的兼容方式。
- 阅读边界
- 仅据所给出版社摘要，精确有限样本推断的贝叶斯含义及算法适用条件尚不清楚，不能据此推断频率学覆盖率或工具有效性。
原文摘要
Motivated by the increasing use of external instruments to identify structural vector autoregressions (SVARs), we develop an algorithm for exact finite sample inference in this class of time series models, commonly known as Proxy-SVARs. Our algorithm makes independent draws from any posterior distribution over the structural parameterization of a Proxy-SVAR. Our approach allows researchers to simultaneously use proxies and traditional zero and sign restrictions to identify structural shocks. We illustrate our methods with two applications. In particular, we show how to generalize the counterfactual analysis in Mertens and Montiel-Olea (2018) to identified structural shocks.