Identification in (Endogenously) Nonlinear SVARs Is Easier Than You Think
内生非线性结构 VAR 的识别比想象中更容易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：摘要明确研究结构 VAR 的参数、结构冲击及非线性动态识别，直接属于 VAR 与时间序列方向。
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
内生非线性结构 VAR 的识别比想象中更容易
- 研究问题
- 当结构 VAR 的左侧内生变量以非线性方式进入时，模型参数与结构冲击如何识别，线性模型的识别限制能否延伸到该情形？
- 方法与思路
- 作者研究内生非线性 SVAR 的非参数识别，再专门分析分段仿射及平滑转换模型，并以非线性菲利普斯曲线开展应用。
- 材料陈述的贡献
- 摘要称，在弱正则条件下可识别至正交变换，多数线性识别方案可直接延伸且所需限制数不变，并提出对识别假设稳健的非线性检验。
- 阅读关注点
- 应核对正则条件、非线性映射的限制及正交不确定性的含义，检查哪些线性识别方案可以延伸，以及应用检验的稳健性范围。
- 阅读边界
- 这是预印本，同行评审及期刊接收未核验。摘要未列出具体条件或检验结果数值，不能把结论理解为任意非线性 SVAR 都能直接识别。
原文摘要
We study identification in structural vector autoregressions (SVARs) in which the endogenous variables enter nonlinearly on the left-hand side of the model, a feature we term endogenous nonlinearity, to distinguish it from the more familiar case in which nonlinearity arises only through exogenous or predetermined variables. This class of models accommodates asymmetric impact multipliers, endogenous regime switching, and occasionally binding constraints. We show that, under weak regularity conditions, the model parameters and structural shocks are (nonparametrically) identified up to an orthogonal transformation, exactly as in a linear SVAR. Our results have the powerful implication that most existing identification schemes for linear SVARs extend directly to our nonlinear setting, with the number of restrictions required to achieve exact identification remaining unchanged. We specialise our results to piecewise affine SVARs, which provide a convenient framework for the modelling of endogenous regime switching, and their smooth transition counterparts. We illustrate our methodology with an application to the nonlinear Phillips curve, providing a test for the presence of nonlinearity that is robust to the choice of identifying assumptions, and finding significant evidence for state-dependent inflation dynamics.