Robust Bayesian inference in proxy SVARs
代理 SVAR 的稳健贝叶斯推断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：摘要直接研究使用外部工具变量识别结构冲击的代理 SVAR，明确对应 VAR 与局部投影方向。
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…
代理 SVAR 的稳健贝叶斯推断
- 研究问题
- 研究外部工具变量使结构 VAR 参数集合识别时，如何避免依赖无法被数据更新的先验成分，并分析工具强度对识别集合推断的影响。
- 方法与思路
- 作者将集合识别模型的稳健贝叶斯方法扩展到代理 SVAR，在放松部分点识别限制的同时处理先验不确定性，并研究频率学派有效性。
- 材料陈述的贡献
- 摘要称，论文给出代理 SVAR 中稳健贝叶斯推断的频率学派有效性新结果，考察工具强度，并通过放松既有实证的点识别假设示例。
- 阅读关注点
- 应核对外部工具变量的有效性条件、识别集合与先验类的定义，以及频率学派有效性所需条件和弱工具情形的处理。
- 阅读边界
- 所给 OpenAlex 摘要未明确具体先验类、覆盖结论和工具强度条件，不能据此认定方法自动解决工具无效或弱识别问题。
原文摘要
We develop methods for robust Bayesian inference in structural vector autoregressions (SVARs) where the parameters of interest are set-identified using external instruments, or ‘proxy SVARs’. Set-identification in these models typically occurs when there are multiple instruments for multiple structural shocks. Existing Bayesian approaches to inference in proxy SVARs require researchers to specify a single prior over the model’s parameters, but, under set-identification, a component of the prior is never revised. We extend the robust Bayesian approach to inference in set-identified models proposed by Giacomini and Kitagawa in press[a] – which allows researchers to relax potentially controversial point-identifying restrictions without having to specify an unrevisable prior – to proxy SVARs. We provide new results on the frequentist validity of the approach in proxy SVARs. We also explore the effect of instrument strength on inference about the identified set. We illustrate our approach by revisiting Mertens and Ravn (2013) and relaxing the assumption that they impose to obtain point identification.