Opening the Black Box of Local Projections
打开局部投影的黑箱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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要直接分解局部投影的冲击响应，并应用于货币和财政政策等冲击，因此对应 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…
打开局部投影的黑箱
- 研究问题
- 局部投影得到的政策冲击响应由哪些历史事件推动，各期观测对估计的贡献能否被分解并获得清晰解释？
- 方法与思路
- 作者将局部投影估计分解为各期权重与结果变量的乘积之和，解释最小二乘权重，并将邻近度解释扩展到部分机器学习方法。
- 材料陈述的贡献
- 摘要称权重可解释为净化且标准化的冲击或干预邻近度，并在多类冲击应用中发现少数可辨认事件主导响应估计。
- 阅读关注点
- 应核对分解对应的估计对象、权重标准化与控制变量处理，以及机器学习扩展范围和历史事件贡献对样本选择的敏感性。
- 阅读边界
- 这是 arXiv 预印本，同行评审及接收状态未核实；历史观测对估计的贡献不自动构成独立因果证据，摘要未说明冲击识别条件。
原文摘要
Local projections (LPs) are widely used in empirical macroeconomics to estimate impulse responses to policy interventions. Yet, in many ways, they are black boxes. It is often unclear what mechanism or historical episodes drive a particular estimate. We introduce a new decomposition of LP estimates into the sum of contributions of historical events, which is the product, for each time stamp, of a weight and the realization of the response variable. In the least squares case, we show that these weights admit two interpretations. First, they represent purified and standardized shocks. Second, they serve as proximity scores between the projected policy intervention and past interventions in the sample. Notably, this second interpretation extends naturally to machine learning methods, many of which yield impulse responses that, while nonlinear in predictors, still aggregate past outcomes linearly via proximity-based weights. Applying this framework to shocks in monetary and fiscal policy, global temperature, and the excess bond premium, we find that easily identifiable events-such as Nixon's interference with the Fed, stagflation, World War II, and the Mount Agung volcanic eruption-emerge as dominant drivers of often heavily concentrated impulse response estimates.