近似贝叶斯局部投影：同时推断与对工具变量方法的扩展
Quasi-Bayesian Local Projections: Simultaneous Inference and Extension to the Instrumental Variable Method
AI总结：
本文提出了一种基于拉普拉斯型估计器的近似贝叶斯方法，用于解决局部投影分析中贝叶斯方法因缺乏似然函数而面临的挑战，该方法通过广义矩方法构建准似然，实现了校准良好的推断和同时置信区间，并可自然扩展至工具变量方法。
摘要：
局部投影（LPs）被广泛用于冲击反应分析，但贝叶斯方法面临缺乏似然函数的挑战。现有方法依赖于伪似然，通常导致后验校准不佳。我们提出了一种基于拉普拉斯型估计器的准贝叶斯方法，其中通过广义矩方法准则构建准似然。该方法避免了严格分布假设，确保了校准良好的推断，并支持同时置信区间。此外，该方法可自然扩展至工具变量方法。我们通过蒙特卡洛模拟验证了我们的方法。
英文摘要：
Local projections (LPs) are widely used for impulse response analysis, but Bayesian methods face challenges due to the absence of a likelihood function. Existing approaches rely on pseudo-likelihoods, which often result in poorly calibrated posteriors. We propose a quasi-Bayesian method based on the Laplace-type estimator, where a quasi-likelihood is constructed using a generalized method of moments criterion. This approach avoids strict distributional assumptions, ensures well-calibrated inferences, and supports simultaneous credible bands. Additionally, it can be naturally extended to the instrumental variable method. We validate our approach through Monte Carlo simulations.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
