Frequentist inference in weakly identified dynamic stochastic general equilibrium models
弱识别动态随机一般均衡模型的频率学派推断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：摘要聚焦宏观结构参数的弱识别推断，未明确对应所列时间序列、冲击或预测等细分方向。
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…
弱识别动态随机一般均衡模型的频率学派推断
- 研究问题
- 当动态随机一般均衡模型的结构参数弱识别时，如何构造频率学派意义下有效的置信区间，并利用数据评估工资与价格刚性？
- 方法与思路
- 作者提出反演似然比统计量和贝叶斯因子统计量的两种区间构造方法，通过模拟及美国工资、价格刚性应用说明其表现。
- 材料陈述的贡献
- 摘要称，两种方法的渐近有效性不依赖识别强度，模拟中的覆盖更准确，且弱识别下数据仍可能包含有用的结构参数信息。
- 阅读关注点
- 应核对统计量反演的临界值构造、有效性所需条件，以及模拟覆盖比较和实证区间对弱识别与先验设置的敏感性。
- 阅读边界
- 仅依据所给 OpenAlex 版本摘要；渐近有效性的技术条件、模拟设计和覆盖数值未说明，不能据此认定所有有限样本均有改善。
原文摘要
A common problem in estimating dynamic stochastic general equilibrium models is that the structural parameters of economic interest are only weakly identified. As a result, classical confidence sets and Bayesian credible sets will not coincide even asymptotically, and the mean, mode, or median of the posterior distribution of the structural parameters can no longer be viewed as a consistent estimator. We propose two methods of constructing confidence intervals for structural model parameters that are asymptotically valid from a frequentist point of view regardless of the strength of identification. One involves inverting a likelihood ratio test statistic, whereas the other involves inverting a Bayes factor statistic. A simulation study shows that both methods have more accurate coverage than alternative methods of inference. An empirical study of the degree of wage and price rigidities in the U.S. economy illustrates that the data may contain useful information about structural model parameters even when these parameters are only weakly identified.