Intrinsic Bayesian Estimation of Vector Autoregression Impulse Responses
向量自回归脉冲响应的内在贝叶斯估计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：摘要直接研究向量自回归模型中的脉冲响应估计，并给出相应贝叶斯计算算法，因此归入 VAR 与局部投影方向。
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…
关注这篇论文的作者
向量自回归脉冲响应的内在贝叶斯估计
- 研究问题
- 在向量自回归模型中，如何用对参数非线性变换不变的损失函数构造贝叶斯脉冲响应估计，并计算所需的回归量期望？
- 方法与思路
- 作者以内在熵损失定义估计量，并用马尔可夫链蒙特卡洛模拟回归量频率学派期望的后验，从而计算相应的贝叶斯估计。
- 材料陈述的贡献
- 摘要称损失函数的不变性使脉冲响应的内在估计与 VAR 参数的内在估计等价，并提出计算算法、展示两个应用。
- 阅读关注点
- 阅读时应核对熵损失的定义、不变性与估计等价性的适用条件，以及回归量期望为何进入估计问题、后验模拟如何实现。
- 阅读边界
- 摘要未说明先验设定、回归量期望的形成条件或应用中的冲击识别；不能据此判断估计精度优于后验均值或具有因果解释。
原文摘要
We propose an information-theoretic alternative to the conventional Bayesian posterior mean estimator of impulse responses in vector autoregression (VAR) models. The proposed estimator is based on the intrinsic entropy loss function, which is invariant to nonlinear transformations of parameters. Consequently, intrinsic estimation of impulse responses is equivalent to that of VAR parameters. The Bayesian estimator under the entropy loss involves a frequentist expectation of regressors. We propose Markov chain Monte Carlo algorithms to simulate the posterior of the frequentist expectation of regressors and compute the Bayesian estimates. We estimate the VAR impulse responses in two applications.