Finite‐Sample Identification‐Robust Inference for Nonlinear DSGE Models
非线性 DSGE 模型的有限样本识别稳健推断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：摘要以宏观 DSGE 的脉冲响应为推断对象，并使用 VAR 和局部投影辅助统计量。
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
非线性 DSGE 模型的有限样本识别稳健推断
- 研究问题
- 如何在不依赖线性近似的情况下，为非线性 DSGE 模型的深层参数和脉冲响应构造对识别问题稳健的同时置信集？
- 方法与思路
- 作者结合基于辅助统计量的模拟估计与蒙特卡洛检验，使用线性或非线性 VAR、局部投影系数构造无需似然的推断。
- 材料陈述的贡献
- 摘要提出覆盖参数和脉冲响应的识别稳健置信集，并通过实验与非线性实际经济周期模型应用讨论不对称冲击的信息价值。
- 阅读关注点
- 核对同时置信集和有限样本有效性的条件、辅助统计量选择、模拟与计算成本，以及稳健性和模型误设敏感性的权衡。
- 阅读边界
- 仅据所给 Crossref 摘要解读，未核验刊本变化；检验有效性的具体条件及误设处理未说明，识别稳健不代表对任意误设有效。
原文摘要
ABSTRACT We develop identification‐robust likelihood‐free simultaneous confidence sets for dynamic stochastic general equilibrium models, without relying on linear approximations. Our methodology integrates simulation estimation methods using auxiliary statistics with Monte Carlo test principles. Results cover deep parameters and impulse responses. Auxiliary statistics include coefficients of linear and nonlinear vector autoregressions and local projections. Proposed procedures are illustrated through laboratory experiments and an empirical application on a nonlinear real business cycle model. In simulations, we study size, power, and the trade‐off between robustness and insensitivity to misspecification. Empirically, results underscore the information content of asymmetric shocks and the identification gains on impulse responses.