The impact of data revisions on the robustness of growth determinants—a note on ‘determinants of economic growth: Will data tell?’
数据修订如何影响增长决定因素的稳健性：一则回应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：摘要研究跨国增长回归的数据修订与模型平均敏感性，但未明确涉及面板、时间序列或其他所列宏观细分方法。
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
数据修订如何影响增长决定因素的稳健性：一则回应
- 研究问题
- 国际收入数据的小幅修订为何会大幅改变贝叶斯模型平均对增长决定因素重要性的判断，这种不稳定性能否缓解？
- 方法与思路
- 作者回应既有研究，通过在不同数据版本间保持同一国家样本，并采用同样保持不可知立场的灵活先验，重新评估稳健性。
- 材料陈述的贡献
- 摘要称，原有不稳定性很大程度上来自特定模型平均设定；固定国家样本可改善稳健性，灵活先验可进一步减少变化。
- 阅读关注点
- 应核对国家样本为何随版本变化、灵活先验的具体形式，以及样本调整与先验调整分别降低了哪些结果的敏感性。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断剩余不稳定性的大小；所述改善限于回应中的设定，不能推广为所有增长回归均稳健。
原文摘要
SUMMARY Ciccone and Jarociński ( American Economic Journal: Macroeconomics 2010; 2 : 222–246) show that inference in Bayesian model averaging (BMA) can be highly sensitive to small data perturbations. In particular, they demonstrate that the importance attributed to potential growth determinants varies tremendously over different revisions of international income data. They conclude that ‘agnostic’ priors appear too sensitive for this strand of growth empirics. In response, we show that the found instability owes much to a specific BMA set‐up: first, comparing the same countries over data revisions improves robustness; second, much of the remaining variation can be reduced by applying an evenly ‘agnostic’ but flexible prior. Copyright © 2012 John Wiley & Sons, Ltd.