Projection Inference for set-identified SVARs
集合识别结构向量自回归模型的投影推断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。
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：摘要直接研究集合识别 SVAR 的结构脉冲响应及其联合推断。
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…
集合识别结构向量自回归模型的投影推断
- 研究问题
- 在集合识别的结构向量自回归中，如何同时推断结构脉冲响应系数及其识别集，并兼顾频率覆盖和稳健贝叶斯可信度？
- 方法与思路
- 作者分析经典投影方法的渐近性质，再针对给定的简约式参数后验分布校准 Wald 椭球半径，以控制投影区域可信度。
- 材料陈述的贡献
- 摘要称，投影区域渐近具有至少目标水平的频率覆盖和稳健贝叶斯可信度，半径校准可使后者恰好达到目标水平。
- 阅读关注点
- 应核对参数区域与识别集区域的覆盖对象、稳健贝叶斯可信度定义，以及半径校准条件和美国劳动力供需模型的识别限制。
- 阅读边界
- 所给版本为 arXiv 预印本，同行评审与期刊接收未核实；摘要未列出渐近正则条件，可信度校准也未声称有限样本覆盖。
原文摘要
We study the properties of the classical \emph{projection} method to conduct simultaneous inference about the coefficients of the structural impulse-response function and their identified set in Structural Vector Autoregressions. We show that -- as the sample size grows large -- projection inference produces regions for the structural parameters and their identified set with both frequentist coverage and robust Bayesian credibility of at least $1-α$. We then calibrate the radius of the Wald ellipsoid to guarantee that -- for a given posterior on the reduced-form parameters -- the robust Bayesian credibility of the projection method is exactly $1-α$. We illustrate the main results of the paper using a demand/supply model of the U.S.~labor market.