Reconciled Estimates of Monthly GDP in the United States
美国月度国内生产总值的协调估计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：摘要明确采用混频 VAR 处理宏观时间序列，并进行月度 GDP 即时预测。
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…
美国月度国内生产总值的协调估计
- 研究问题
- 如何结合存在测量误差的季度收入法与支出法 GDP，以及月度经济指标，估计潜在真实月度 GDP 并开展实时即时预测？
- 方法与思路
- 作者构建贝叶斯混频 VAR，将两类 GDP 代理变量表示为真实 GDP 加测量误差，并考察支持点识别与集合识别的不同限制。
- 材料陈述的贡献
- 摘要称，研究将季度 GDP 协调估计扩展到月度频率，获得具有信息量的月度估计，并展示商业周期分析和疫情衰退期间的即时预测应用。
- 阅读关注点
- 应核对季度与月度变量的聚合关系、测量误差限制如何实现识别，以及点识别、集合识别和先验选择对月度估计的影响。
- 阅读边界
- 仅据所给 OpenAlex 版本摘要；作者明确指出无额外限制时模型未识别，但具体限制及实时评估结果未说明，不推断刊本变化。
原文摘要
In the United States, income and expenditure-side estimates of gross domestic product (GDP) (GDPI and GDPE) measure “true” GDP with error and are available at a quarterly frequency. Methods exist for using these proxies to produce reconciled quarterly estimates of true GDP. In this paper, we extend these methods to provide reconciled historical true GDP estimates at a monthly frequency. We do this using a Bayesian mixed frequency vector autoregression (MF-VAR) involving GDPE, GDPI, unobserved true GDP, and monthly indicators of short-term economic activity. Our MF-VAR imposes restrictions that reflect a measurement-error perspective (i.e., the two GDP proxies are assumed to equal true GDP plus measurement error). Without further restrictions, our model is unidentified. We consider a range of restrictions that allow for point and set identification of true GDP and show that they lead to informative monthly GDP estimates. We illustrate how these new monthly data contribute to our historical understanding of business cycles and we provide a real-time application nowcasting monthly GDP over the pandemic recession.