Dynamic Causal Effects in a Nonlinear World: the Good, the Bad, and the Ugly
非线性世界中的动态因果效应：稳健解释与识别隐患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VAR和局部投影的冲击响应识别，并以边际处理效应建立因果解释。
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
非线性世界中的动态因果效应：稳健解释与识别隐患
- 研究问题
- 真实数据生成过程存在非线性时，基于线性模型的脉冲响应估计量还能否解释为因果效应，哪些识别方法更加敏感？
- 方法与思路
- 作者利用加权回归识别边际处理效应的新结果，分析VAR及对观测冲击或代理变量的线性局部投影，并比较其他识别路径。
- 材料陈述的贡献
- 摘要称前述VAR与局部投影识别因果效应的加权平均，而利用潜在冲击异方差性或非高斯性的识别对偏离线性高度敏感。
- 阅读关注点
- 应核对冲击与代理变量的识别条件、加权平均的权重性质，以及异方差或非高斯识别在何种非线性设定下失效。
- 阅读边界
- 这是arXiv预印本，同行评审与接收未核实。摘要未列出完整识别条件，不能将其结论理解为任意VAR均有因果解释。
原文摘要
Applied macroeconomists frequently use impulse response estimators motivated by linear models. We study whether the estimands of such procedures have a causal interpretation when the true data generating process is in fact nonlinear. We show that vector autoregressions and linear local projections onto observed shocks or proxies identify weighted averages of causal effects regardless of the extent of nonlinearities. By contrast, identification approaches that exploit heteroskedasticity or non-Gaussianity of latent shocks are highly sensitive to departures from linearity. Our analysis is based on new results on the identification of marginal treatment effects through weighted regressions, which may also be of interest to researchers outside macroeconomics.