Quasi-Bayesian Local Projections: Simultaneous Inference and Extension to the Instrumental Variable Method
准贝叶斯局部投影：同时推断及工具变量扩展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：摘要以局部投影的脉冲响应分析为核心，并讨论同时推断和工具变量扩展，直接对应 VAR 与局部投影方向。
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
准贝叶斯局部投影：同时推断及工具变量扩展
- 研究问题
- 局部投影缺乏直接的似然函数时，如何构建校准合理的贝叶斯式推断，并为多个响应期提供同时可信带及工具变量扩展？
- 方法与思路
- 作者基于 Laplace 型估计量，以广义矩估计准则构造准似然，进行局部投影推断，并将框架扩展到工具变量方法。
- 材料陈述的贡献
- 摘要称该方法避免严格分布假设，支持校准良好的推断与同时可信带，并通过蒙特卡洛模拟评估所提出的方法。
- 阅读关注点
- 应核对矩条件、准后验构造、同时可信带的校准依据，以及工具变量扩展中的识别条件和模拟比较设置。
- 阅读边界
- 这是 arXiv 预印本，同行评审或接收未核实。摘要未给出校准保证的具体条件、先验选择及模拟数值，不能确认普遍优势。
原文摘要
Local projections (LPs) are widely used for impulse response analysis, but Bayesian methods face challenges due to the absence of a likelihood function. Existing approaches rely on pseudo-likelihoods, which often result in poorly calibrated posteriors. We propose a quasi-Bayesian method based on the Laplace-type estimator, where a quasi-likelihood is constructed using a generalized method of moments criterion. This approach avoids strict distributional assumptions, ensures well-calibrated inferences, and supports simultaneous credible bands. Additionally, it can be naturally extended to the instrumental variable method. We validate our approach through Monte Carlo simulations.