对不确定性冲击的宏观经济反应：递归排序的风险

该文档主要探讨了在宏观经济学中使用递归结构向量自回归（VAR）模型识别不确定性冲击效应的有效性问题。作者通过反例证明了这种常见的做法在一般情况下是无效的，无论数据生成过程是结构VAR模型还是动态随机一般均衡（DSGE）模型。

1. 引言与背景

文档首先介绍了结构VAR分析在经验宏观经济学中的广泛应用。尽管近年来出现了许多新的识别结构VAR模型的方法，许多研究者仍然使用简单的递归结构来识别冲击。这种方法通常通过对VAR残差协方差矩阵进行下三角Cholesky分解来实现。然而，作者指出，这种递归模型在真实模型不是递归的情况下无法恢复总体响应，这一点在计量经济学文献中已被广泛讨论。

2. 递归识别结构VAR模型的案例

在某些情况下，递归模型可以在经济上得到合理的解释。例如，通过将外生的货币或财政政策冲击的叙述性度量放在模型的首位，可以识别这些冲击对其他模型变量的因果效应，而无需对其他结构冲击的识别进行假设。这种方法在某些情况下是合理的，但在应用工作中较为罕见。

3. 针对替代递归排序的稳健性检查

文档指出，在没有明确经济动机的情况下使用Cholesky分解是常见的做法，尤其是在不参考明确结构模型的情况下将一个宏观经济模型变量与另一个变量联系起来时。作者以不确定性冲击对经济活动影响的文献为例，说明了这种做法的普遍性。然而，作者通过反例证明，这种做法在一般情况下是无效的。

4. DSGE模型分析

作者进一步通过DSGE模型分析支持了他们的结论。当不确定性在数据生成过程中是完全内生的时，递归VAR模型无论排序如何都是无效的，因为VAR模型试图识别的不确定性冲击并不存在。即使在不确定性仅部分内生的情况下，递归VAR也无法恢复输出对不确定性冲击的总体响应。

5. 结论

文档最后总结道，递归VAR模型在识别不确定性冲击效应时存在显著局限性。作者呼吁研究者在使用递归排序时要谨慎，并建议在可能的情况下使用基于经济理论的识别策略。

术语解释

• 结构VAR模型：一种用于捕捉多个时间序列变量之间动态关系的统计模型，常用于经济学中。
• Cholesky分解：一种将正定矩阵分解为下三角矩阵及其转置的数学方法。
• 动态随机一般均衡（DSGE）模型：一种用于分析经济中随机冲击影响的宏观经济模型，强调经济体的动态行为和随机性。

通过这些分析，文档强调了在宏观经济研究中，依赖于递归排序的VAR模型可能导致错误的结论，并建议研究者在进行因果推断时应更加谨慎。