Fast and Efficient Bayesian Analysis of Structural Vector Autoregressions Using the R Package bsvars
使用 R 包 bsvars 快速高效分析贝叶斯结构向量自回归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：摘要明确围绕结构 VAR、脉冲响应、结构冲击分解与预测功能展开。
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
使用 R 包 bsvars 快速高效分析贝叶斯结构向量自回归
- 研究问题
- 如何在同一软件框架中估计具有多变量、复杂识别与非线性特征的贝叶斯结构向量自回归，并完成预测和结构分析？
- 方法与思路
- 作者介绍结合 C++ 实现与方程特定三级局部—全局层级先验的软件，支持排除限制及异方差或非正态冲击识别。
- 材料陈述的贡献
- 摘要称，该包整合脉冲响应、方差与历史分解、预测及识别检验，并支持异方差冲击和编译实现等功能。
- 阅读关注点
- 核对各类识别策略的条件、层级先验设定、后验计算诊断，以及速度和功能比较所用的软件版本与模型配置。
- 阅读边界
- 所据为 arXiv 预印本，同行评审或期刊接收未经核实；摘要未报告运行时间基准、识别条件细节或软件稳定性证据。
原文摘要
The R package bsvars provides a wide range of tools for empirical macroeconomic and financial analyses using Bayesian Structural Vector Autoregressions. It uses frontier econometric techniques and C++ code to ensure fast and efficient estimation of these multivariate dynamic structural models, possibly with many variables, complex identification strategies, and non-linear characteristics. The models can be identified using adjustable exclusion restrictions and heteroskedastic or non-normal shocks. They feature a flexible three-level equation-specific local-global hierarchical prior distribution for the estimated level of shrinkage for autoregressive and structural parameters. Additionally, the package facilitates predictive and structural analyses using impulse responses, forecast error variance and historical decompositions, forecasting, statistical verification of identification and hypotheses on autoregressive parameters, and analyses of structural shocks, volatilities, and fitted values. These features differentiate bsvars from existing R packages that either focus on a specific structural model, do not consider heteroskedastic shocks, or lack the implementation using compiled code.