An identification and testing strategy for proxy-SVARs with weak proxies
弱代理变量下 proxy-SVAR 的识别与检验策略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：摘要直接研究 proxy-SVAR 的结构冲击识别、弱外部工具及脉冲响应推断。
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…
弱代理变量下 proxy-SVAR 的识别与检验策略
- 研究问题
- 研究目标结构冲击的外部工具较弱时，能否借助非目标冲击的强工具识别 proxy-SVAR，并对目标脉冲响应开展标准渐近推断。
- 方法与思路
- 作者利用非目标冲击的强工具实施识别和最小距离估计，并提出基于自助重抽样的工具相关性预检验，支持后续渐近推断。
- 材料陈述的贡献
- 摘要称该预检验不影响检验后推断的有效性，可处理条件异方差及零值删失代理，并适用于不同数量的工具化冲击。
- 阅读关注点
- 应核对非目标强工具如何补足识别、预检验原假设及其校准方式，以及检验后有效性、异方差和零值删失稳健性的条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收均未核实；摘要未说明完整识别限制和渐近条件，标准推断依赖所述强工具策略成立。
原文摘要
When proxies (external instruments) used to identify target structural shocks are weak, inference in proxy-SVARs (SVAR-IVs) is nonstandard and the construction of asymptotically valid confidence sets for the impulse responses of interest requires weak-instrument robust methods. In the presence of multiple target shocks, test inversion techniques require extra restrictions on the proxy-SVAR parameters other those implied by the proxies that may be difficult to interpret and test. We show that frequentist asymptotic inference in these situations can be conducted through Minimum Distance estimation and standard asymptotic methods if the proxy-SVAR can be identified by using `strong' instruments for the non-target shocks; i.e. the shocks which are not of primary interest in the analysis. The suggested identification strategy hinges on a novel pre-test for the null of instrument relevance based on bootstrap resampling which is not subject to pre-testing issues, in the sense that the validity of post-test asymptotic inferences is not affected by the outcomes of the test. The test is robust to conditionally heteroskedasticity and/or zero-censored proxies, is computationally straightforward and applicable regardless of the number of shocks being instrumented. Some illustrative examples show the empirical usefulness of the suggested identification and testing strategy.