Quant. Econ. — Vol 14 Issue 4 · 2026-07-06¶

共 9 篇 · Quantitative Economics
目录核对 ✅ 9 篇全部抓到（对照 OpenAlex 11 篇）

本期导览¶

自动生成：归纳本期主要主题与脉络，不打分、不排名。

这一期《Quantitative Economics》第14卷第4期的9篇论文，整体上围绕两条主线展开：一是宏观与时间序列因果推断，二是结构估计与市场设计。前者集中在SVAR与局部投影法的效率改进、非高斯性识别、以及行为学习均衡的建模；后者则覆盖了需求估计、空间社交互动、资本重新配置、匹配市场设计等应用，并涉及贝叶斯IV、结构估计等工具。此外，税收累进性与经济周期、石油价格冲击等实证研究也穿插其中，共同构成了对因果识别与结构建模方法的多元探索。

在宏观与时间序列因果推断这条主线上，本期有显著的方法论推进。Local projections, autocorrelation, and efficiency 一文直接挑战了局部投影法只能用OLS的旧有认知，通过将残差自相关结构建模为VMA过程，构造了更高效的GLS估计量，为宏观脉冲响应估计提供了新工具。A new posterior sampler for Bayesian structural vector autoregressive models 则从贝叶斯推断角度，开发了超越Normal inverse Wishart Uniform先验的重要性采样算法，并允许灵活控制脉冲响应的幅度与形状，通过美国货币政策案例展示了先验选择的定量影响。The importance of supply and demand for oil prices 将非高斯性识别引入SVAR，利用结构冲击分布的非参数建模来识别供给与需求冲击，发现供给冲击对油价波动的贡献远小于传统弱信息先验下的结论。这三篇分别从效率、先验灵活性和识别策略三个角度，深化了宏观因果推断的工具箱。

另一条主线是结构估计与市场设计，侧重于微观数据驱动的模型构建与政策分析。Demand estimation with infrequent purchases and small market sizes 针对稀疏数据场景，提出基于泊松到达过程的离散选择模型，并采用贝叶斯IV处理内生性，适用于高维环境，为小市场规模下的需求估计提供了实用方案。Spatial interactions 构建了空间社交互动均衡模型，利用美国青少年友谊网络数据估计交通成本对社交资本的影响，并通过反事实分析比较了直接补贴互动与补贴交通成本的福利效果。Costly information acquisition in centralized matching markets 则从市场设计角度，比较了直接与序贯序列独裁机制对学生信息搜索行为的影响，实验证据表明序贯机制能减少无效信息搜集并提升福利。这些论文共同展示了结构估计在应对数据稀疏性、空间网络和匹配机制设计中的灵活性与实证价值。

对于关注因果推断的读者，Local projections, autocorrelation, and efficiency 和 The importance of supply and demand for oil prices 直接涉及时间序列因果识别与效率问题；对于偏好半参数/非参数方法的读者，后者中的非高斯性识别与前者中的VMA结构值得关注；对于高维或贝叶斯方法感兴趣的读者，Demand estimation with infrequent purchases and small market sizes 中的贝叶斯IV框架和 A new posterior sampler for Bayesian structural vector autoregressive models 中的重要性采样算法是优先阅读对象。

经济理论 / 应用 (econ_theory, 9 篇)¶

1. 10.3982/qe2147 — Demand estimation with infrequent purchases and small market sizes¶

作者: Ali Hortaçsu, Olivia R. Natan, Hayden Parsley, Timothy Schwieg, Kevin R. Williams
期刊/来源: Quantitative Economics
机构: Yale University · University of Chicago · The University of Texas at Austin
分类: vol 14 · issue 4 · pp 1251-1294
相关性 6/10 · novelty: application
摘要: 该论文针对小市场规模和低频购买场景下的需求估计问题，提出了一种基于泊松到达过程的离散选择模型。模型假设每个到达的消费者独立求解标准离散选择问题，从而自然处理大量零销售观测值、丰富的未观测异质性和价格内生性。估计方法采用贝叶斯工具变量（Bayesian IV）框架，有效处理产品份额的抽样误差，并适用于高维数据环境。数据需求仅为传统市场层面数据及市场规模或消费者到达的度量。通过模拟研究和航空旅行需求的实际应用验证了方法的有效性。对您而言，该论文展示了在经济学应用中处理内生性和稀疏数据的贝叶斯IV方法，与您对经济理论（应用因果工作）的次要兴趣直接相关，可作为入门读物了解该领域的数据结构和建模思路。
关键技术: Bayesian IV, Poisson arrivals, discrete choice model, endogenous prices, small market sizes
为什么对您有用: 本文属于经济理论（应用因果工作）的gateway reading，清晰展示了在稀疏数据（大量零销售）和内生价格下如何用贝叶斯IV进行需求估计。您的武器库中'identification theory in causal inference'和'high-dimensional asymptotics'足以理解其核心识别策略和贝叶斯计算框架，但贝叶斯IV的具体实现（如MCMC采样）属于moderately_familiar领域，需先熟悉该工具才能直接复现或改进方法。整体而言，本文值得花时间阅读全文，以了解经济学中需求估计的典型数据结构和建模挑战。

2. 10.3982/qe1988 — Local projections, autocorrelation, and efficiency¶

作者: Amaze Lusompa
期刊/来源: Quantitative Economics
机构: Federal Reserve Bank of Kansas City
分类: vol 14 · issue 4 · pp 1199-1220
相关性 6/10 · novelty: new_method
摘要: 本文研究局部投影法（Local Projections, LP）在时间序列因果推断中的效率问题。LP 是宏观经济学中估计脉冲响应的常用方法，但其残差存在自相关，传统观点认为只能用 OLS 估计且无法使用 GLS。作者证明 LP 残差的自相关结构可表示为 Wold 误差与脉冲响应的向量移动平均（VMA）过程，并据此构造了一致且更有效的 GLS 估计量。蒙特卡洛模拟表明，GLS 估计量在有限样本下比 OLS 更高效。该工作为宏观经济学中的因果推断提供了更精确的工具，对您作为经济学理论（应用因果工作）的次要兴趣有直接参考价值。
关键技术: Local Projections, GLS estimation, Vector Moving Average (VMA), impulse response estimation, autocorrelation correction
为什么对您有用: 本文属于经济理论（应用因果工作）方向，直接涉及宏观时间序列中的因果推断方法。您武器库中的非参数统计和因果推断估计理论可用于分析其 GLS 估计量的渐近性质，但核心工具（VMA 过程建模）属于 moderately_familiar 的识别理论范畴。中期可做：需先在 moderately_familiar 的识别理论（特别是时间序列识别）上加强，才能深入评估其方法推广性。

3. 10.3982/qe2091 — The importance of supply and demand for oil prices: Evidence from non‐Gaussianity¶

作者: Robin Braun
期刊/来源: Quantitative Economics
机构: Federal Reserve · Federal Reserve Board of Governors
分类: vol 14 · issue 4 · pp 1163-1198
相关性 5/10 · novelty: application
摘要: 本文研究石油价格波动中供给与需求冲击的相对重要性，这是一个存在广泛争议的实证问题。作者在结构向量自回归（SVAR）框架下，将弱信息先验与非高斯性识别相结合：结构冲击的未知分布被非参数地建模，利用非高斯性（而非传统方差协方差约束）来识别结构参数。核心发现是，一旦引入非高斯性识别，短期石油供给弹性的后验质量向零偏移，供给冲击对油价预测误差方差的贡献中位数仅为6%（16个月窗口），与先前使用尖锐上界约束的结论一致，而与仅使用弱信息先验的结论相反。方法上，本文展示了非参数分布建模与贝叶斯推断在宏观识别问题中的结合方式。对您而言，这是一篇经济理论/应用方向的实证因果识别论文，可作为了解SVAR与非高斯性识别在宏观经济学中应用的入门读物。
关键技术: Structural VAR, non-Gaussianity identification, nonparametric distribution modeling, weakly informative priors, forecast error variance decomposition
为什么对您有用: 本文属于经济理论（应用因果推断）方向，是您secondary interest中的gateway reading。它展示了非高斯性作为识别工具在宏观SVAR中的应用——这与您primary interest中的identification theory（因果推断）有概念联系，但方法学深度有限（主要是贝叶斯非参数建模，而非您熟悉的semiparametric efficiency或U-statistic工具）。武器库方面：您对identification theory moderately_familiar，但本文的贝叶斯非参数方法不在您的very_familiar或moderately_familiar列表中，因此属于暂不可做——核心机器（贝叶斯非参数SVAR、非高斯性识别的计算实现）不在武器库内。不过，作为了解宏观实证因果识别中一个有趣识别策略的入门读物，值得花时间读全文。

4. 10.3982/qe2207 — A new posterior sampler for Bayesian structural vector autoregressive models¶

作者: Martin Bruns, Michele Piffer
期刊/来源: Quantitative Economics
机构: University of East Anglia · King's College London · King's College School
分类: vol 14 · issue 4 · pp 1221-1250
相关性 5/10 · novelty: application
摘要: 本文针对贝叶斯结构向量自回归（SVAR）模型中的符号约束问题，开发了一种新的重要性采样算法。该算法以流行的 Normal inverse Wishart Uniform 先验下的采样器为特例，同时允许在中型模型中超越该先验。作者进一步提出了一种关于同期脉冲响应的先验，能够灵活控制冲击响应的幅度和形状。通过美国货币政策冲击的应用实例，展示了先验选择的定量重要性：在所提出的先验下，货币政策冲击的实际效应比 Normal inverse Wishart Uniform 设定下更强。
关键技术: importance sampling, sign restrictions, Bayesian structural VAR, Normal inverse Wishart Uniform prior
为什么对您有用: 本文属于经济理论（应用因果推断）方向，是您 secondary interest 中的经济理论应用。文章聚焦于 SVAR 模型中的贝叶斯推断和先验选择，与您对因果推断（尤其是 IV 和识别理论）的兴趣有间接关联。作为入门读物，本文清晰阐述了符号约束下的识别问题和采样算法，但核心方法（重要性采样、贝叶斯 VAR）不在您的技术武器库中，属于暂不可做方向。

5. 10.3982/qe1568 — Tax‐and‐transfer progressivity and business cycles¶

作者: Youngsoo Jang, Takeki Sunakawa, Minchul Yum
期刊/来源: Quantitative Economics
机构: The University of Queensland · Hitotsubashi University · Center for Economic and Policy Research · University of Southampton
分类: vol 14 · issue 4 · pp 1367-1400
相关性 4/10 · novelty: application
摘要: 本文研究税收-转移支付累进性如何通过与家庭异质性相互作用影响经济周期波动。首先在一个简单的静态模型中，从理论上刻画了累进程度如何影响不同家庭在集约边际劳动供给上对宏观条件的差异化反应。随后构建了一个包含异质性个体冲击和总生产率冲击的定量动态一般均衡模型，该模型能够生成适度顺周期的平均劳动生产率和相对于产出较大的总工时周期波动。定量分析表明，由转移支付退出机制塑造的收入分布底部的累进性对这些发现至关重要。最后，作者提供了关于就业反应在工资分布上异质性的实证证据。对您而言，本文是经济理论方向的应用型工作，展示了如何将异质性代理模型与宏观冲击结合，其分析框架和实证策略对理解政策累进性的宏观效应有参考价值。
关键技术: heterogeneous agent model, dynamic general equilibrium, extensive margin labor supply, tax-and-transfer progressivity, business cycle accounting
为什么对您有用: 本文属于经济理论（宏观经济学）的应用研究，是您的次要兴趣方向。它提供了一个将政策累进性与家庭异质性、经济周期波动相结合的完整分析框架，适合作为入门读物了解宏观经济学中异质性代理模型的构建与定量方法。您的武器库中的非参数统计和因果推断工具虽不直接用于本文的校准和模拟，但可用于理解其识别策略或扩展实证分析。值得花时间读全文以获取模型设定和实证思路。

6. 10.3982/qe1720 · arXiv — Spatial interactions¶

作者: Jun Sung Kim, Eleonora Patacchini, Pierre M. Picard, Yves Zenou
期刊/来源: Quantitative Economics
分类: vol 14 · issue 4 · pp 1295-1335
相关性 4/10 · novelty: application
摘要: 本文构建了一个空间社交互动的均衡模型，其中个体的社交资本和互动频率受地理距离和交通成本的影响。模型刻画了社交互动与社交资本之间的双向反馈机制，并证明降低交通成本会同时提升互动频率和所有个体的社交资本。理论分析显示，均衡互动频率低于社会最优水平，存在无谓损失。利用美国青少年友谊网络的精细地理编码数据，作者对模型进行了结构估计，实证结果支持理论预测。反事实政策分析表明，在相同预算下，直接补贴社交互动比补贴交通成本能带来更高的总福利。对您而言，本文提供了一个将空间经济学与社交网络结构估计相结合的实证框架，其结构估计策略和福利分析思路对您在经济理论方向的应用型因果推断工作有参考价值。
关键技术: structural estimation, spatial equilibrium model, social capital, geocoded network data, policy counterfactual
为什么对您有用: 本文属于经济理论方向的应用型论文，其结构估计方法和福利分析框架对您在该方向的兴趣有直接参考价值。您的武器库中'因果推断的估计理论'和'M估计理论'可以用于理解其结构估计的识别与推断策略，但本文的核心是均衡模型而非因果识别，因此属于中期可做——需先在'moderately_familiar'的'M估计理论'上进一步熟悉结构估计的建模与计算。

7. 10.3982/qe1892 — Capital reallocation and the cyclicality of aggregate productivity¶

作者: Russell W. Cooper, Immo Schott
期刊/来源: Quantitative Economics
机构: European University Institute · Université de Montréal
分类: vol 14 · issue 4 · pp 1337-1365
相关性 4/10 · novelty: application
摘要: 本文构建了一个异质性企业模型，研究资本重新配置（capital reallocation）的顺周期性如何影响测度到的全要素生产率（measured aggregate productivity）的周期性波动。模型引入两类外生冲击：全要素生产率（TFP）冲击和重新配置成本冲击，二者均能内生地产生测度生产率的周期性变化。通过结构估计和模型比较，发现只有由外生TFP冲击驱动的模型才能同时匹配数据中资本重新配置的顺周期运动与测度生产率的大幅波动。核心结论是，资本重新配置本身并非放大生产率周期波动的主要机制——其贡献相对有限。该文为宏观经济学中资源错配与生产率波动的实证关系提供了结构模型证据，对关注经济周期中因果机制的应用研究者有参考价值。
关键技术: heterogeneous-firm model, structural estimation, TFP shocks, reallocation cost shocks, business cycle accounting
为什么对您有用: 本文属于经济理论（宏观经济学）的应用研究，与您的secondary interest 'economic theory (application, data sets, causal inference)'直接匹配。它使用结构模型进行反事实推断，其建模思路（区分TFP冲击与摩擦冲击）对您在因果推断中处理未观测混杂或机制检验有类比启发。作为gateway reading，本文数据与模型设定清晰，适合作为进入宏观应用因果推断的入门读物；您的武器库（非参数统计、M估计理论）足以理解其估计策略，但若想深入其结构估计的识别条件，需在'identification theory in causal inference'上稍作延伸。

8. 10.3982/qe1533 — Behavioral learning equilibria in New Keynesian models¶

作者: Cars Hommes, Kostas Mavromatis, Tolga Özden, Mei Zhu
期刊/来源: Quantitative Economics
机构: University of Amsterdam · Bank of Canada · De Nederlandsche Bank · Shanghai University of Finance and Economics
分类: vol 14 · issue 4 · pp 1401-1445
相关性 4/10 · novelty: application
摘要: 本文在新凯恩斯DSGE模型的多变量线性框架中引入行为学习均衡（BLE）概念。BLE假设有限理性的代理人使用简单但最优的AR(1)预测规则，其参数与观测数据的样本均值和自相关一致。作者在标准三方程新凯恩斯模型下研究BLE，并为Smets-Wouters (2007) 典范模型开发了估计方法。通过理性预期（REE）、BLE和常数增益学习模型之间的比较，BLE在样本内和样本外拟合上优于REE，且与常数增益学习模型竞争力相当。当在估计中纳入短期通胀预期的调查数据时，样本自相关学习的最优AR(1)信念提供了最佳拟合。政策应用表明，AR(1)预期下的最优泰勒规则具有历史依赖性，且所需的利率平滑程度低于REE。本文对您作为经济学理论（应用因果工作）的次要兴趣有直接参考价值，展示了行为宏观经济学中预期形成与均衡的实证估计方法。
关键技术: Behavioral Learning Equilibria, AR(1) forecasting rules, New Keynesian DSGE, Smets-Wouters model, constant gain learning, optimal Taylor rules
为什么对您有用: 本文属于经济理论（应用因果工作）的次要兴趣，是宏观经济学中预期形成与均衡估计的实证研究。您的武器库中'估计理论在因果推断中的应用'和'M-估计理论'可用于理解其BLE估计方法（如样本自相关与AR(1)参数的一致性条件），但核心机器（DSGE模型的贝叶斯估计、状态空间滤波）不在武器库中，属于暂不可做。本文作为入门读物，清晰展示了行为宏观模型与理性预期模型的比较框架，值得花时间读全文以了解经济学中预期建模的实证范式。

9. 10.3982/qe1955 — Costly information acquisition in centralized matching markets¶

作者: Rustamdjan Hakimov, Dorothea Kübler, Siqi Pan
期刊/来源: Quantitative Economics
机构: WZB Berlin Social Science Center · University of Lausanne · Technische Universität Berlin · Fafo Foundation · The University of Melbourne
分类: vol 14 · issue 4 · pp 1447-1490
相关性 4/10 · novelty: application
摘要: 本文研究集中匹配市场中学生的信息获取成本问题，目标是通过市场设计减少学生为形成偏好而浪费的信息搜集（如了解录取希望极小的学校）。理论模型设定学生基于考试成绩被大学排序，比较了两种机制：直接序列独裁机制（学生一次性提交排序）与序贯序列独裁机制（学生逐步获知哪些大学愿意录取后再决定）。核心发现是序贯机制能显著提高学生福利，因为它向学生传递了录取可能性信号，从而引导信息搜索方向。实验进一步显示序贯机制具有行为优势——受试者偏离最优搜索策略的频率低于直接机制。此外，在直接机制下提供历史录取分数线也能提升福利，尤其在信息成本高时，但效果弱于序贯机制。对您而言，本文是经济理论中市场设计的应用研究，可作为了解匹配市场实验设计的入门读物，但方法学贡献有限。
关键技术: market design, serial dictatorship mechanism, laboratory experiment, information acquisition
为什么对您有用: 本文属于经济理论（secondary interest）的应用研究，使用实验经济学方法检验匹配市场设计。作为入门读物，它清晰阐述了市场设计的基本问题和实验范式，但方法学上未涉及您武器库中的统计工具（如因果推断或高维方法）。暂不可做：核心机器（实验经济学设计、行为博弈模型）不在您的武器库中，且无直接统计方法学迁移点。

Maintained by 陈星宇 · Homepage · Source on GitHub