Identification of structural vector autoregressions through higher unconditional moments
利用高阶无条件矩识别结构向量自回归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：摘要明确围绕 SVAR 结构冲击、结构参数识别及识别条件检验展开。
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…
关注这篇论文的作者
利用高阶无条件矩识别结构向量自回归
- 研究问题
- 如何利用约化式创新的三阶与四阶无条件矩识别 SVAR，并在系统不能整体识别时判定哪些结构参数仍可识别？
- 方法与思路
- 作者给出局部统计识别的充分条件，设计估计前的识别检验，并通过新的 bootstrap 处理冲击对称性与峰度的秩检验。
- 材料陈述的贡献
- 摘要称，方法能够区分已识别与未识别的结构参数子集，并以新的 bootstrap 程序改善相关秩检验的小样本性质。
- 阅读关注点
- 应核对高阶矩存在性、识别条件的具体秩要求、参数子集的判定方式，以及 bootstrap 在何种设计下改善检验表现。
- 阅读边界
- 仅据所给出版社摘要，无法确定识别条件细节和检验改进幅度；局部统计识别也不能直接推出全局唯一性或经济解释。
原文摘要
This paper pursues two objectives. First, we determine the sufficient condition for local, statistical identification of SVAR processes through the third and fourth unconditional moments of the reduced-form innovations. Our findings provide novel insights when the entire system is not identified, as they highlight which subset of structural parameters is identified and which is not. Second, we elaborate a tractable testing procedure to verify whether the identification condition holds, prior to the estimation of the structural parameters of the SVAR process. To do so, we design a new bootstrap procedure that improves the small-sample properties of rank tests for the symmetry and kurtosis of the structural shocks.