[논문 리뷰] Local Projections vs. VARs: Lessons From Thousands of DGPs

Dake Li, Mikkel Plagborg‐Møller외 1명|arXiv (Cornell University)|2021. 04. 01.

Monetary Policy and Economic Impact인용 수 26

한 줄 요약

이 논문은 실측으로 보정된 수천 개의 DGP에 걸친 Local Projection (LP)와 VAR 충격반응 추정치를 비교하는 대규모 시뮬레이션을 수행하고, 편향-분산 트레이드오프를 강조하며 편향 보정 LP 또는 VAR 방법이 바람직한 시점에 대한 지침을 제시한다.

ABSTRACT

We conduct a simulation study of Local Projection (LP) and Vector Autoregression (VAR) estimators of structural impulse responses across thousands of data generating processes, designed to mimic the properties of the universe of U.S. macroeconomic data. Our analysis considers various identification schemes and several variants of LP and VAR estimators, employing bias correction, shrinkage, or model averaging. A clear bias-variance trade-off emerges: LP estimators have lower bias than VAR estimators, but they also have substantially higher variance at intermediate and long horizons. Bias-corrected LP is the preferred method if and only if the researcher overwhelmingly prioritizes bias. For researchers who also care about precision, VAR methods are the most attractive -- Bayesian VARs at short and long horizons, and least-squares VARs at intermediate and long horizons.

연구 동기 및 목표

• 실용적이고 비한정 VAR DGP에서 LP와 VAR 충격 반응 추정기의 편향-분산 트레이드오프를 동기화하고 특성화한다.
• 여러 식별 체계 하에서 편향 보정, 축소, 모델 평균화, 베이지안 접근법 등의 LP/VAR 변형의 넓은 범위를 평가한다.
• 다양한 손실 함수에서 편향, 분산 또는 MSE를 우선순위로 두고 어느 추정기가 서로 다른 수 horizon에서 최적의 성능을 내는지 식별한다.
• 시뮬레이션 결과에 근거하여 경험적 거시경제계량학 연구자들을 위한 기본 절차에 대한 실용적 지침을 제공한다.

제안 방법

• Stock & Watson 데이터로부터 구성된 실증적으로 보정된 동적 요소 모델에서 도출된 수천 개의 DGP에 걸쳐 충격 반응 추정치를 시뮬레이션한다.
• 최소제곱 LS-LP 및 LS-VAR 추정자와 편향 보정, 축소, 베이지안 VAR, 모델 평균화를 포함한 변형을 비교한다.
• 관찰된 충격, IV/대리변수, 재귀(쳘로키) 식별의 세 가지 식별 체계를 구현한다.
• 편향과 분산에 가중치를 부여하는 손실 함수를 사용하여 수평선별 성능을 평가하고 각 방법이 어떤 시점에서 우수한지 식별한다.
• 잠재 요인과 특이 구성요소를 가진 비정상적 DFM에 기반한 DGP를 설정하여 현실적인 거시 시계열 동학을 모방한다.

실험 결과

연구 질문

• RQ1 현실적이고 비정상적 VAR 데이터 생성 과정에서 LP와 VAR 충격반응 추정기의 편향-분산 트레이드오프는 어떤가?
• RQ2 편향 보정 LP, 축소, Bayesian VAR, 그리고 모델 averaging이 표준 LS-LP 및 LS-VAR에 비해 시점과 식별 체계에 따라 어떻게 성능하는가?
• RQ3 평균 제곱 오차를 최소화하는 추정 방식은 어느 것이고, 다양한 식별 설정에서 어떤 방식이 편향을 우선하는가?
• RQ4 DGP에서 수평선과 지속적 dynamics 또는 cointegration의 존재 여부에 따라 결과가 어떻게 달라지는가?
• RQ5 거시경제계량학에서 충격 반응 추정의 기본 절차에 대해 연구자들에게 줄 수 있는 실용적 지침은 무엇인가?

주요 결과

• LP 추정자는 VAR 추정자보다 편향이 작지만 중간 및 장기 수평선에서 분산이 현저히 더 크다.
• 편향-보정 LP는 편향이 분산보다 압도적으로 우선시될 때만 선호된다.
• VAR 방법은 평균제곱오차(MSE) 손실 하에서 더 매력적이며, 베이지안 VAR는 단기와 장기 수평선에서 잘 수행되고 LS-VAR은 중간 수평선에서 잘 수행된다.
• IV 식별에서 SVAR-IV는 중간 편향이지만 분산이 감소하여 일부 설정에서 외생 IV 사용을 정당화한다.
• 본 연구는 편향-분산 트레이드오프를 강조하고 실용적 기본값을 제시한다: 정밀도가 중요하면 VAR 방법을 사용하고, 편향이 주된 관심사일 때 편향 보정 LP를 고려한다.