Principal components at work: the empirical analysis of monetary policy with large data sets
主成分的应用：利用大型数据集分析货币政策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：摘要直接比较大型动态因子模型，并围绕未来通胀与通胀预测的信息提取展开，支持因子模型和预测分类。
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…
主成分的应用：利用大型数据集分析货币政策
- 研究问题
- 静态与动态主成分提取的因子，能否有效充当未来预期通胀的工具变量，并概括货币政策决策所使用的信息？
- 方法与思路
- 作者使用美国与欧元区的两个大型宏观数据集，比较两类动态因子模型估计方法在预期通胀工具变量构造中的表现。
- 材料陈述的贡献
- 摘要称，估计因子能以简约方式概括货币政策相关信息；论文将动态主成分方法与货币政策的实证分析相连接。
- 阅读关注点
- 应核对政策方程、预期通胀的测量方式、工具变量的相关性与有效性条件，以及两类因子提取方法的比较标准。
- 阅读边界
- 仅据所给Crossref摘要，未报告具体估计结果或哪种方法更好，也不能据因子的信息概括能力确认工具变量外生性。
原文摘要
Abstract The empirical analysis of monetary policy requires the construction of instruments for future expected inflation. Dynamic factor models have been applied rather successfully to inflation forecasting. In fact, two competing methods have recently been developed to estimate large‐scale dynamic factor models based, respectively, on static and dynamic principal components. This paper combines the econometric literature on dynamic principal components and the empirical analysis of monetary policy. We assess the two competing methods for extracting factors on the basis of their success in instrumenting future expected inflation in the empirical analysis of monetary policy. We use two large data sets of macroeconomic variables for the USA and for the Euro area. Our results show that estimated factors do provide a useful parsimonious summary of the information used in designing monetary policy. Copyright © 2005 John Wiley & Sons, Ltd.