Targeted Local Projections
向结构 VAR 收缩的局部投影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：摘要直接研究宏观政策动态效应，并组合局部投影与结构向量自回归估计，明确属于 VAR 与局部投影方向。
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…
关注这篇论文的作者
向结构 VAR 收缩的局部投影
- 研究问题
- 估计宏观政策的多期限动态效应时，如何利用局部投影与结构 VAR 的偏差和方差差异，降低远期估计的均方误差？
- 方法与思路
- 作者将局部投影与使用更少滞后项的结构 VAR 估计线性组合，以最小化均方误差选择组合权重，并用双重自助法开展推断。
- 材料陈述的贡献
- 摘要称，在局部错设结构 VAR 的模拟下，该方法显著降低较长期限的局部投影方差，双重自助法使小样本覆盖接近名义水平。
- 阅读关注点
- 应核对局部错设的定义、权重和偏差的估计方式、不同期限的滞后选择，以及双重自助法是否计入组合权重的不确定性。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要中的方差和覆盖改善限于所述模拟，未说明冲击识别条件或普遍保证。
原文摘要
Local projection (LP) and structural vector autoregression (SVAR) are commonly employed to estimate dynamic causal effects of macroeconomic policies at multiple horizons. With enough lags as controls, LP estimators have little bias but their variance can increase with the horizon due to accumulating additional shocks. Because they typically employ fewer lags or suffer from local misspecification, SVAR estimators typically incur higher bias, but their variance decreases with the horizon due to exponentiation. We propose to target the LP estimators towards their SVAR counterparts - constructed with fewer lags than LP at each horizon - to reduce their variance at the cost of incurring some bias. The resulting targeted LP estimator is a linear combination of the LP and SVAR estimators. We propose choosing this linear combination optimally to minimize the mean-squared error of the new estimator. Our simulations show that, under a locally misspecified SVAR model, targeting substantially reduces the LP variance at longer horizons while maintaining near-nominal coverage in small samples when a double bootstrap is employed.