Inference in Nearly Nonstationary SVAR Models With Long-Run Identifying Restrictions
带长期识别约束的近非平稳 SVAR 模型推断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：摘要直接讨论结构向量自回归的长期识别、冲击响应和高度持久过程，文本支持 VAR 与冲击分析及宏观时间序列两个方向。
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
带长期识别约束的近非平稳 SVAR 模型推断
- 研究问题
- 在变量高度持久的结构向量自回归模型中，长期识别约束下的冲击响应能否一致估计，较大的抽样不确定性源于何种识别问题？
- 方法与思路
- 作者在局部单位根参数化下分析长期识别的冲击响应推断，用工具变量框架解释弱识别，并结合模型结构限制与经济长期约束构造估计量。
- 材料陈述的贡献
- 摘要称，局部单位根设定下，长期识别的目标冲击响应不能一致估计，原因可联系到弱工具变量；作者结合附加统计限制提出改进估计量。
- 阅读关注点
- 阅读时应核对局部单位根渐近设定、长期约束与工具变量的对应关系，以及新增统计限制的有效性和对估计不确定性的影响。
- 阅读边界
- 摘要未说明新增限制的具体形式、适用条件及改进幅度；不一致性结论针对所述局部单位根与长期识别框架，不能推广到所有 SVAR 模型。
原文摘要
This paper considers inference for impulse responses in models with highly persistent variables. We show that the impulse responses of interest are not consistently estimable under the long-run identification scheme when the strongly dependent process is parameterized as local to unity. We employ the instrumental variable framework to argue that the inconsistency and the large sampling uncertainty associated with the impulse responses arise from a weak instrument problem. Furthermore, the structure of the model is used to impose additional statistical restrictions that are combined with the economic long-run, identifying constraints to obtain an improved estimator.