Bayesian Analyses of Structural Vector Autoregressions with Sign, Zero, and Narrative Restrictions Using the R Package bsvarSIGNs
使用 R 包 bsvarSIGNs 分析带符号、零值与叙事限制的贝叶斯结构 VARAI 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：摘要明确围绕结构 VAR 的冲击识别、脉冲响应与分解，并支持预测和条件预测。
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
使用 R 包 bsvarSIGNs 分析带符号、零值与叙事限制的贝叶斯结构 VAR
- 研究问题
- 如何在贝叶斯结构向量自回归中同时使用符号、零值与叙事限制，并通过软件完成结构冲击分析、分解、预测及条件预测？
- 方法与思路
- 软件采用带估计超参数的 Minnesota 先验和虚拟观测先验，以 C++ 实现相关算法，并支持三类识别限制及多种结构和预测输出。
- 材料陈述的贡献
- 摘要称软件提供可同时使用三类限制的新方案，涵盖脉冲响应、方差与历史分解等功能；另称该包获2024年澳大利亚统计学会软件奖。
- 阅读关注点
- 应核对三类限制如何共同实施、结构参数的识别含义、先验超参数估计与后验抽样，以及预测和结构分解结果的复现设置。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未经核实；摘要未给出算法条件、速度基准或限制有效性的论证，软件获奖不等于论文同行评审。
原文摘要
The R package bsvarSIGNs implements state-of-the-art algorithms for the Bayesian analysis of Structural Vector Autoregressions identified by sign, zero, and narrative restrictions. It offers fast and efficient estimation thanks to the deployment of frontier econometric and numerical techniques and algorithms written in C++. The core model is based on a flexible Vector Autoregression with estimated hyper-parameters of the Minnesota prior and the dummy observation priors. The structural model can be identified by sign, zero, and narrative restrictions, including a novel solution, making it possible to use the three types of restrictions at once. The package facilitates predictive and structural analyses using impulse responses, forecast error variance and historical decompositions, forecasting and conditional forecasting, as well as analyses of structural shocks and fitted values. All this is complemented by colourful plots, user-friendly summary functions, and comprehensive documentation. The package was granted the Di Cook Open-Source Statistical Software Award by the Statistical Society of Australia in 2024.