Impulse Response Functions Based on a Causal Approach to Residual Orthogonalization in Vector Autoregressions
基于因果式残差正交化的向量自回归脉冲响应函数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：摘要明确涉及 VAR 误差结构、脉冲响应与预测误差方差分解，直接对应冲击识别及时间序列方向。
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…
关注这篇论文的作者
基于因果式残差正交化的向量自回归脉冲响应函数
- 研究问题
- 在向量自回归中，如何结合数据和先验经济知识检验误差结构，使脉冲响应及预测误差方差分解的误差排序更合理？
- 方法与思路
- 作者讨论由数据确定的误差结构检验方法，用标准 t 统计量检验某类过度识别限制，并比较先验结构与数据性质。
- 材料陈述的贡献
- 摘要称，该方法可为模型选择、设定和误差排序提供信息，并用两个经济实例展示其在脉冲响应分析中的用途。
- 阅读关注点
- 应核对误差结构的识别条件、可检验限制如何形成、t 检验的适用范围，以及结构排序与经济冲击解释之间的关系。
- 阅读边界
- 材料为 OpenAlex 索引摘要，稿件版本未注明；摘要未说明因果识别假设或检验条件，数据相容性不能单独确立冲击的因果含义。
原文摘要
A data-determined method for testing structural models of the errors in vector autoregressions is discussed. The method can easily be combined with prior economic knowledge and a subjective analysis of data characteristics to yield valuable information concerning model selection and specification. In one dimension, it turns out that standard t statistics can be used to test the various overidentifying restrictions that are implied by a model. In another dimension, the method compares a priori knowledge of a structural model for the errors with the properties exhibited by the data. Thus this method may help to ensure that orderings of the errors for impulse response and forecast error variance decomposition analyses are sensible, given the data. Two economic examples are used to illustrate the method.