Statistically identified structural VAR model with potentially skewed and fat‐tailed errors
允许偏斜厚尾误差的统计识别结构 VARAI 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：摘要明确提出非高斯统计识别的结构 VAR，并用于识别美国货币政策冲击及其动态响应，因此归入 VAR 冲击分析。
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…
关注这篇论文的作者
允许偏斜厚尾误差的统计识别结构 VAR
- 研究问题
- 如何利用相互独立且非高斯的结构误差识别 VAR，同时容纳偏斜与厚尾，并正式评估经济识别限制的合理性？
- 方法与思路
- 作者令相互独立的结构误差服从偏斜广义 t 分布，利用非高斯性进行统计识别，并在美国货币政策应用中检验经济限制。
- 材料陈述的贡献
- 摘要称，灵活分布可减少误设风险并增强识别；美国应用支持叙事符号限制，紧缩政策后实际活动延迟数月出现负响应。
- 阅读关注点
- 应核对独立性和非高斯识别条件、冲击排列与符号处理，以及叙事符号限制的检验方式和响应不确定性。
- 阅读边界
- 仅依据所给 Crossref 版本摘要；完整识别条件、分布估计与响应数值未说明，更灵活的分布并不保证消除模型误设。
原文摘要
Abstract We introduce a structural vector autoregressive model in which the mutually independent errors follow skewed generalized t ‐distributions, whose flexibility compared with commonly considered Student's t ‐distributions diminishes the risk of misspecification and strengthens identification. Because of statistical identification due to non‐Gaussianity, the plausibility of economic identifying restrictions can be formally assessed. In an empirical application, the data support narrative sign restrictions in identifying the US monetary policy shock. In contrast to some of the previous literature, we find a strong negative response of real activity to contractionary monetary policy after a few months' delay.