An endogenously clustered factor approach to international business cycles
国际经济周期的内生聚类因子方法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：摘要明确使用分块因子模型及内生聚类研究国际经济周期共动。
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…
国际经济周期的内生聚类因子方法
- 研究问题
- 研究国际经济周期时，能否让数据决定分块因子模型的国家分组，以减少预先按地理划分造成的模型误设？
- 方法与思路
- 作者提出内生选择分块的因子模型，在贝叶斯框架中使用层级先验，并引入序列层面的协变量解释分组。
- 材料陈述的贡献
- 摘要称轻微分块误设也会明显降低拟合；实证分组不同于纯地理分组，制度相似性可能与空间邻近同样重要。
- 阅读关注点
- 应核对因子与载荷的识别、分组和先验设定、协变量进入方式，以及制度关联是否仅为分组解释而非因果效应。
- 阅读边界
- 仅依据所给 Crossref 摘要；拟合损失和制度关联的具体证据未说明，不能据此认定制度相似性导致经济周期共动。
原文摘要
Summary Factor models have become useful tools for studying international business cycles. Block factor models can be especially useful as the zero restrictions on the loadings of some factors may provide some economic interpretation of the factors. These models, however, require the econometrician to predefine the blocks, leading to potential misspecification. In Monte Carlo experiments, we show that even a small misspecification can lead to substantial declines in fit. We propose an alternative model in which the blocks are chosen endogenously. The model is estimated in a Bayesian framework using a hierarchical prior, which allows us to incorporate series‐level covariates that may influence and explain how the series are grouped. Using international business cycle data, we find our country clusters differ in important ways from those identified by geography alone. In particular, we find that similarities in institutions (e.g., legal systems, language diversity) may be just as important as physical proximity for analyzing business cycle comovements.