ADVANCES IN USING VECTOR AUTOREGRESSIONS TO ESTIMATE STRUCTURAL MAGNITUDES
利用向量自回归估计结构量的进展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。
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：摘要明确讨论 VAR 的结构识别、符号限制、结构冲击及结构弹性，直接对应 VAR 与局部投影细分中的 VAR 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…
利用向量自回归估计结构量的进展
- 研究问题
- 如何从 VAR 得出结构性结论，同时表达先验知识的不确定性，并正确报告集合识别结果和估计结构弹性？
- 方法与思路
- 作者以先验知识为统一视角综述 VAR 结构推断，讨论贝叶斯处理不完美先验，并分析符号限制报告和弹性估计问题。
- 材料陈述的贡献
- 摘要称指出集合识别 VAR 的常见报告问题及此前未被识别的弹性估计错误，并给出仅知单一结构冲击效应时的正确方法。
- 阅读关注点
- 应核对传统识别如何对应精确先验、集合识别结果的报告对象，以及仅知单一冲击效应时弹性计算所需的信息。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断具体错误的形式、修正公式或贝叶斯方案的适用范围，也不能推断其他版本变化。
原文摘要
This paper surveys recent advances in drawing structural conclusions from vector autoregressions (VARs), providing a unified perspective on the role of prior knowledge. We describe the traditional approach to identification as a claim to have exact prior information about the structural model and propose Bayesian inference as a way to acknowledge that prior information is imperfect or subject to error. We raise concerns from both a frequentist and a Bayesian perspective about the way that results are typically reported for VARs that are set-identified using sign and other restrictions. We call attention to a common but previously unrecognized error in estimating structural elasticities and show how to correctly estimate elasticities even in the case when one only knows the effects of a single structural shock.