US fiscal policy shocks: Proxy‐SVAR overidentification via GMM
美国财政政策冲击：通过 GMM 实现代理变量 SVAR 过度识别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：摘要直接研究外部工具识别的结构 VAR、财政冲击、脉冲响应及乘数，因此归入 VAR 与局部投影中的 VAR 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…
美国财政政策冲击：通过 GMM 实现代理变量 SVAR 过度识别
- 研究问题
- 当外部工具覆盖全部或几乎全部 VAR 冲击时，如何利用结构冲击互不相关条件获得过度识别，并改善响应与乘数估计？
- 方法与思路
- 作者将外部工具信息和结构冲击互不相关条件纳入 GMM，构造过度识别的代理变量 SVAR，并应用于美国财政数据。
- 材料陈述的贡献
- 摘要称，美国一九四八至二〇一九年应用未拒绝过度识别限制，估计精度提高，并能度量部分没有工具的非财政冲击。
- 阅读关注点
- 应核对工具覆盖程度、有效性与秩条件，互不相关限制如何增加识别信息，以及无工具冲击可识别的具体范围。
- 阅读边界
- 仅依据所给 Crossref 版本摘要；矩条件和精度数值未说明，未拒绝过度识别限制不等于证明全部工具变量均有效。
原文摘要
Summary Using external instruments, one can recover the effects of individual shocks without fully identifying a vector autoregression (VAR). We show that fully or almost fully instrumenting a VAR—that is, using an instrument for each shock—allows one to overidentify the model by incorporating the condition that the structural shocks are uncorrelated, via the generalized method of moments (GMM). We apply our approach to a fiscal VAR for the United States over 1948–2019, where the overidentifying restrictions are not rejected. The overidentified structural vector autoregression (SVAR) yields (a) greater precision in estimating impulse response functions and multipliers and (b) measures of the effects of nonfiscal shocks even when there is no instrument for them.