Likelihood ratio testing in linear state space models: An application to dynamic stochastic general equilibrium models
线性状态空间模型的似然比检验及其 DSGE 应用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：摘要研究动态状态空间模型的检验，并明确将方法用于宏观 DSGE 模型。
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
线性状态空间模型的似然比检验及其 DSGE 应用
- 研究问题
- 在线性高斯状态空间模型的非受限形式甚至局部不识别时，如何检验简单原假设和显式参数限制，并用于评估 DSGE 模型有效性？
- 方法与思路
- 作者推导两类假设对应的似然比统计量渐近分布，计算 Bartlett 调整，并通过 DSGE 应用与蒙特卡洛练习展示检验表现。
- 材料陈述的贡献
- 摘要称，论文处理了非受限模型不识别带来的检验难点，并发现 Bartlett 修正在宏观研究常见样本量下具有重要作用。
- 阅读关注点
- 应核对不识别的具体来源、两类原假设如何嵌入状态空间模型、极限分布及调整项的条件，并检查模拟中的样本量和模型设定。
- 阅读边界
- 所给出版社摘要没有提供统计量分布、调整公式或模拟数值；不能据此判断某个具体 DSGE 模型是否通过检验或调整幅度有多大。
原文摘要
This paper considers the problem of hypothesis testing in linear Gaussian state space models. We consider two hypotheses of interest: a simple null and a hypothesis of explicit parameter restrictions. We derive the asymptotic distributions of the corresponding likelihood ratio test statistics and compute the Bartlett adjustments. The results are non-trivial because the unrestricted state space model is not (even locally) identified. We apply our analysis to test the validity of the Dynamic Stochastic General Equilibrium (DSGE) models. A Monte Carlo exercise illustrates our findings and confirms the importance of Bartlett corrections at sample sizes typically encountered in macroeconomics.