Local Projection Inference Is Simpler and More Robust Than You Think
局部投影推断比你想象的更简单、更稳健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：摘要直接研究时间序列的持久性、平稳性及局部投影脉冲响应区间，对应时间序列与VAR及局部投影方向。
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…
局部投影推断比你想象的更简单、更稳健
- 研究问题
- 面对高度持久甚至非平稳的数据，以及较长的脉冲响应期，局部投影的置信区间能否保持有效，并简化残差序列相关的标准误处理？
- 方法与思路
- 作者在局部投影回归中加入变量滞后项，并使用正态临界值构造区间；摘要称，该设定下无需对残差序列相关另作标准误修正。
- 材料陈述的贡献
- 摘要称，滞后增广局部投影的推断对平稳与非平稳数据及较广的响应期范围统一渐近有效，因而能应对高持久性与较长响应期。
- 阅读关注点
- 阅读时应核对滞后增广的具体回归式、持久性与响应期的允许范围，以及无需序列相关修正的证明条件和与自回归推断比较的边界。
- 阅读边界
- 摘要未说明具体滞后阶数、响应期增长限制及误差条件；结论是渐近性质，不能据此认定任意样本规模或任意长响应期都适用。
原文摘要
Applied macroeconomists often compute confidence intervals for impulse responses using local projections, that is, direct linear regressions of future outcomes on current covariates. This paper proves that local projection inference robustly handles two issues that commonly arise in applications: highly persistent data and the estimation of impulse responses at long horizons. We consider local projections that control for lags of the variables in the regression. We show that lag‐augmented local projections with normal critical values are asymptotically valid uniformly over (i) both stationary and non‐stationary data, and also over (ii) a wide range of response horizons. Moreover, lag augmentation obviates the need to correct standard errors for serial correlation in the regression residuals. Hence, local projection inference is arguably both simpler than previously thought and more robust than standard autoregressive inference, whose validity is known to depend sensitively on the persistence of the data and on the length of the horizon.