Identifying Structural Vector Autoregression via Leptokurtic Economic Shocks
利用高峰度经济冲击识别结构向量自回归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。
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：摘要以 SVAR 冲击识别为核心，并讨论序列相关与条件异方差，直接对应结构冲击和时间序列。
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
利用高峰度经济冲击识别结构向量自回归
- 研究问题
- 在非高斯 SVAR 中，能否利用结构冲击的峰度与较少矩条件识别同期影响矩阵，并放宽冲击相互独立的要求？
- 方法与思路
- 作者重新研究 GMM 估计，以适当选择的矩条件利用高峰度或低峰度冲击，允许误差相互不相关且仅序列不相关。
- 材料陈述的贡献
- 摘要称特定峰度条件下，n²+n(n−1)/2 个矩条件可实现全局和局部识别，并允许各误差分量存在条件异方差。
- 阅读关注点
- 应核对峰度条件、矩条件选择和识别等价类的处理，并检查条件异方差下的推断及美国汽油税应用中的冲击解释。
- 阅读边界
- 仅据所给 OpenAlex 版本摘要，识别证明、完整正则条件及模拟和应用的数值结果均未说明，未核对刊本变化。
原文摘要
We revisit the generalized method of moments (GMM) estimation of the non-Gaussian structural vector autoregressive (SVAR) model. It is shown that in the n-dimensional SVAR model, global and local identification of the contemporaneous impact matrix is achieved with as few as n2+n(n−1)/2 suitably selected moment conditions, when at least n – 1 of the structural errors are all leptokurtic (or platykurtic). We also relax the potentially problematic assumption of mutually independent structural errors in part of the previous literature to the requirement that the errors be mutually uncorrelated. Moreover, we assume the error term to be only serially uncorrelated, not independent in time, which allows for univariate conditional heteroscedasticity in its components. A small simulation experiment highlights the good properties of the estimator and the proposed moment selection procedure. The use of the methods is illustrated by means of an empirical application to the effect of a tax increase on U.S. gasoline consumption and carbon dioxide emissions.