Locally- but not Globally-identified SVARs
局部识别但非全局识别的结构向量自回归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。
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：摘要直接研究结构向量自回归的识别、多峰结构参数和脉冲响应集合推断，明确对应 VAR 与局部投影细分中的 SVAR 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
局部识别但非全局识别的结构向量自回归
- 研究问题
- 当 SVAR 结构参数仅局部识别、存在多个观测等价孤立解时，如何避免只选择一个解，并对全部对应脉冲响应进行推断？
- 方法与思路
- 作者刻画导致多解的限制及等价参数数量，提出穷尽计算可容许结构参数和探索多峰后验的算法，并将等价解视为识别集合。
- 材料陈述的贡献
- 摘要称提出覆盖全部可容许解的估计与后验采样程序，并为对应脉冲响应集合构建贝叶斯和频率学派推断，另给出实证示例。
- 阅读关注点
- 应核对限制类别与解的计数条件、穷尽算法的完整性，以及先验敏感性、多峰采样和脉冲响应集合推断如何具体处理。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或被期刊接收；摘要未详述限制类别与算法条件，程序并不使数据能够区分观测等价解。
原文摘要
This paper analyzes Structural Vector Autoregressions (SVARs) where identification of structural parameters holds locally but not globally. In this case there exists a set of isolated structural parameter points that are observationally equivalent under the imposed restrictions. Although the data do not inform us which observationally equivalent point should be selected, the common frequentist practice is to obtain one as a maximum likelihood estimate and perform impulse response analysis accordingly. For Bayesians, the lack of global identification translates to non-vanishing sensitivity of the posterior to the prior, and the multi-modal likelihood gives rise to computational challenges as posterior sampling algorithms can fail to explore all the modes. This paper overcomes these challenges by proposing novel estimation and inference procedures. We characterize a class of identifying restrictions and circumstances that deliver local but non-global identification, and the resulting number of observationally equivalent parameter values. We propose algorithms to exhaustively compute all admissible structural parameters given reduced-form parameters and utilize them to sample from the multi-modal posterior. In addition, viewing the set of observationally equivalent parameter points as the identified set, we develop Bayesian and frequentist procedures for inference on the corresponding set of impulse responses. An empirical example illustrates our proposal.