On Identification of Bayesian DSGE Models
贝叶斯 DSGE 模型的识别问题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：摘要聚焦贝叶斯 DSGE 参数的局部识别，未明确涉及所列预测、冲击或因子等细分方法，故不作细分归类。
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…
贝叶斯 DSGE 模型的识别问题
- 研究问题
- 在贝叶斯估计的 DSGE 模型中，如何判断单个参数的局部识别，并避免将后验与先验的差异误判为数据提供了识别信息？
- 方法与思路
- 作者提出两项指标：比较参数后验密度与给定其余参数的条件先验密度的后验期望，并在指定参数点模拟递增样本，检查后验精度增长速率。
- 材料陈述的贡献
- 摘要称，已识别参数的后验精度按样本量 T 增长，未识别或弱识别参数可能增长更慢，并以经验例子展示这些诊断的用途。
- 阅读关注点
- 重点核对两项指标对应的局部识别定义、精度增长结论的适用条件，以及模拟样本序列、先验设定和有限样本诊断方法。
- 阅读边界
- 仅凭摘要无法判断速率结论所需的正则条件、弱识别的具体刻画及诊断的可靠性；经验例子的模型、数据与具体结果未说明。
原文摘要
This article is concerned with local identification of individual parameters of dynamic stochastic general equilibrium (DSGE) models estimated by Bayesian methods. Identification is often judged by a comparison of the posterior distribution of a parameter with its prior. However, these can differ even when the parameter is not identified. Instead, we propose two Bayesian indicators of identification. The first follows a suggestion by Poirier of comparing the posterior density of the parameter of interest with the posterior expectation of its prior conditional on the remaining parameters. The second examines the rate at which the posterior precision of the parameter gets updated with the sample size, using data simulated at the parameter point of interest for an increasing sequence of sample sizes (T). For identified parameters, the posterior precision increases at rate T. For parameters that are either unidentified or are weakly identified, the posterior precision may get updated but its rate of update will be slower than T. We use empirical examples to demonstrate that these methods are useful in practice. This article has online supplementary material.