General Seemingly Unrelated Local Projections
广义似不相关局部投影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：摘要明确围绕带工具变量的局部投影、多重冲击和脉冲响应联合推断展开。
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…
广义似不相关局部投影
- 研究问题
- 使用工具变量的局部投影如何联合估计多个冲击的脉冲响应，并处理多步预测误差的自相关与整条响应曲线的不确定性？
- 方法与思路
- 作者将各局部投影联合建模为似不相关方程系统，以高斯过程构造灵活而简约的响应联合先验，并提供幂后验稳健化选项。
- 材料陈述的贡献
- 摘要提出支持多个冲击和工具变量的贝叶斯联合推断框架，并称模拟中的点估计与不确定性估计比所比较的标准方法更准确。
- 阅读关注点
- 应核对工具变量的有效性条件、跨期限误差协方差设定、先验平滑的影响，以及幂后验参数选择与联合区间的评价方式。
- 阅读边界
- 这是 arXiv 预印本，不能据此确认同行评审或期刊接收；摘要未说明具体模拟设计、比较方法和稳健化保证，不能确认普遍优越性。
原文摘要
We develop a flexible framework for Bayesian estimation of impulse responses using Local Projections (LPs) with instrumental variables. It accommodates multiple shocks and instruments, accounts for autocorrelation in multi-step forecasts by jointly modeling all LPs as a seemingly unrelated system of equations, defines a flexible yet parsimonious joint prior for impulse responses based on a Gaussian Process, and allows for joint inference about the entire vector of impulse responses. We show via Monte Carlo simulations that our approach delivers more accurate point and uncertainty estimates than standard methods. To address misspecification, we propose an optional robustification step based on power posteriors.