[논문 리뷰] Instrumental Variable Identification of Dynamic Variance Decompositions

Mikkel Plagborg‐Møller, Christian K. Wolf|arXiv (Cornell University)|2020. 11. 02.

Monetary Policy and Economic Impact참고 문헌 35인용 수 62

한 줄 요약

이 논문은 외부 기준통계량에 측정오차가 존재하는 동적 거시경제 모형에서 분산 분해를 식별하기 위한 도구변수(IV) 방법을 개발한다. 추가적인 가정 없이도, 기준통계량으로 조정된 충격의 분산 기여도는 날카운 한계를 갖는 간격식별이 가능하며, 복원 가능성 조건 하에서는 점식별이 달성된다. 미국 인플레이션에 적용한 결과, 1990년 이후 통화 충격이 인플레이션 분산에 기여하는 비율은 최대 8%에 불과하며, 기존의 SVAR 결과와 도전한다.

ABSTRACT

Macroeconomists increasingly use external sources of exogenous variation for causal inference. However, unless such external instruments (proxies) capture the underlying shock without measurement error, existing methods are silent on the importance of that shock for macroeconomic fluctuations. We show that, in a general moving average model with external instruments, variance decompositions for the instrumented shock are interval-identified, with informative bounds. Various additional restrictions guarantee point identification of both variance and historical decompositions. Unlike SVAR analysis, our methods do not require invertibility. Applied to U.S. data, they give a tight upper bound on the importance of monetary shocks for inflation dynamics.

연구 동기 및 목표

• 외부 기준통계량에 측정오차가 존재할 경우 분산 분해의 식별 문제를 해결하기 위해.
• 역행성 조건을 요구하지 않는 이동평균 모형에서 기준통계량으로 조정된 충격의 분산 기여도에 대해 날카운 한계를 제공하기 위해.
• 분산 및 역사적 분해의 점식별이 가능해지는 조건을 설정하기 위해.
• 응용 연구자들이 사용할 수 있는 실용적이고 실행 가능한 추론 프레임워크를 개발하기 위해, 신뢰구간을 포함한다.

제안 방법

• 기준통계량으로 조정된 충격을 동적 측정오차 모형으로 모델링하고, 거시경제 변수와 기준통계량의 2차 모멘트를 사용한다.
• 관측된 자동공분산을 이용해 기준통계량의 신호대잡음비에 대한 날카운 하한 및 상한을 유도한다.
• 복원 가능성 가정(즉, 충격이 관측된 변수의 모든 지연 및 앞선 시점에 의해 포함됨)을 도입하여 점식별을 달성한다.
• 거시경제 변수와 기준통계량의 축소형 VAR을 사용하여 2차 모멘트를 추정한다.
• Imbens-Manski(2004)의 신뢰구간 절차를 사용하여 한계 및 점추정치에 대해 渐近적으로 타당한 신뢰구간을 구성한다.
• 그레인지 인과성 기반의 역행성에 대한 사전검정을 포함한 추론을 위한 코드 세트를 개발한다.

실험 결과

연구 질문

• RQ1 측정오차가 있는 외부 기준통계량이 동적 모형에서 구조적 충격의 진정한 분산 기여도를 어느 정도 식별할 수 있는가?
• RQ2 측정오차가 존재할 경우 기준통계량으로 조정된 충격의 분산 분해에 대해 날카운 한계는 무엇인가?
• RQ3 측정오차가 존재하는 상황에서 분산 및 역사적 분해의 점식별이 가능해지는 조건은 무엇인가?
• RQ4 모델의 가장 강력한 검증 가능한 함의를 활용할 수 있는 역행성에 대한 사전검정을 구성할 수 있는가?
• RQ5 경계값과 점추정치는 실제 적용 사례에서 기존의 SVAR 기반 추정치와 어떻게 비교되는가?

주요 결과

• 추가 제약 조건이 없을 경우, 기준통계량으로 조정된 충격의 분산 기여도는 정보를 갖는 날카운 한계를 갖는 간격식별이 가능하다.
• 하한은 기준통계량을 완벽한 대체측정자로 간주할 때(측정오차 0)에 해당하며, 상한은 관측된 자료의 공동운동과 일치하는 최대 타당한 신호대잡음비를 반영한다.
• 복원 가능성 가정(즉, 충격이 관측된 변수의 모든 지연 및 앞선 시점에 의해 포함됨) 하에서는 분산 및 역사적 분해 모두 점식별이 가능하다.
• 이 방법은 1990년 이후 모든 수평에서 8%를 초과하는 값이 제거되는 미국 인플레이션 동역학에서 통화 충격의 예측분산 기여도에 대해 90% 신뢰구간을 제공한다.
• 자료는 1990년 이후 상당한 비역행성 구조를 지니고 있음을 시사하며, 이는 기존의 SVAR-IV 추정치의 타당성을 떨어뜨린다.
• 제안된 역행성에 대한 사전검정은 모델의 가장 강력한 가능한 검증 가능한 함의를 활용하고 있음이 입증되었다.