On the statistical identification of DSGE models
DSGE 模型的统计识别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 DSGE-VAR、因子增强 VAR 基准及 DSGE-FAVAR 的预测表现，分别对应时间序列、因子模型和预测。
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…
DSGE 模型的统计识别
- 研究问题
- 评价 DSGE 模型的经验拟合时，所采用的统计基准是否满足统计识别要求，更换为 FAVAR 基准会如何影响评价与预测？
- 方法与思路
- 作者将统计识别概念用于 DSGE 模型评价，考察 DSGE-VAR 方法，并在应用中采用 FAVAR 作为统计识别的基准。
- 材料陈述的贡献
- 摘要称，DSGE-VAR 评价可能不满足统计识别条件；应用中改用 FAVAR 后，数据支持保持不变，DSGE-FAVAR 可成为最优预测模型。
- 阅读关注点
- 应核对统计识别的定义及其与结构参数识别的关系、基准模型的设定依据，以及最优预测结论的评价标准。
- 阅读边界
- 仅据所给出版社摘要，无法判断识别诊断的具体条件、应用数据和预测比较范围；最优预测表述不能推广到所有 DSGE 模型。
原文摘要
Dynamic Stochastic General Equilibrium (DSGE) models are now considered attractive by the profession not only from the theoretical perspective but also from an empirical standpoint. As a consequence of this development, methods for diagnosing the fit of these models are being proposed and implemented. In this article we illustrate how the concept of statistical identification, that was introduced and used by Spanos [Spanos, Aris, 1990. The simultaneous-equations model revisited: Statistical adequacy and identification. Journal of Econometrics 44, 87-105] to criticize traditional evaluation methods of Cowles Commission models, could be relevant for DSGE models. We conclude that the recently proposed model evaluation method, based on the DSGE-VAR([lambda]), might not satisfy the condition for statistical identification. However, our application also shows that the adoption of a FAVARÂ as a statistically identified benchmark leaves unaltered the support of the data for the DSGE model and that a DSGE-FAVAR can be an optimal forecasting model.