Principled Identification of Structural Dynamic Models

यहाँ नेविल फ्रांसिस, पीटर रीनहार्ड हैनसेन और चेन टोंग के शोध पत्र "प्रिंसिपल आइडेंटिफिकेशन ऑफ स्ट्रक्चरल डायनेमिक मॉडल्स" (Principled Identification of Structural Dynamic Models) का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या

डायनेमिक मैक्रोइकॉनॉमिक्स (स्ट्रक्चरल वेक्टर ऑटोरेग्रेसिव्स - SVARs, या लोकल प्रोजेक्शंस का उपयोग करते हुए) में मुख्य चुनौती प्रेक्षित डेटा (observed data) से गुप्त आर्थिक झटकों (latent economic shocks) की पहचान करना है।

• आइडेंटिफिकेशन गैप (Identification Gap): एक रिड्यूस्ड-फॉर्म VAR में, अवशेष (residuals/innovations) समकालीन रूप से सह-संबंधित (contemporaneously correlated) होते हैं। संरचनात्मक झटकों (structural shocks) को पुनः प्राप्त करने के लिए (जिन्हें परस्पर असंबद्ध माना जाता है), शोधकर्ताओं को एक रोटेशन मैट्रिक्स $A$ को निर्धारित करने के लिए प्रतिबंध लगाने होते हैं ताकि $A'\Sigma_{\varepsilon\varepsilon}A = I_n$ हो सके।
• पारंपरिक विधियों की सीमाएँ:
  • रिकर्सिव चोलेस्की (Recursive Cholesky): यह वेरिएबल के क्रम (ordering) के आधार पर एक त्रिकोणीय संरचना लागू करता है। इसकी अक्सर इस आधार पर आलोचना की जाती है कि यह मनमाना है; विभिन्न क्रम अलग-अलग इम्पल्स रिस्पॉन्स दे सकते हैं, हालांकि शोध पत्र नोट करता है कि वे अक्सर समान औसत सहसंबंध (average correlations) प्रदान करते हैं।
  • साइन/लॉन्ग-रन प्रतिबंध (Sign/Long-Run Restrictions): इन्हें अक्सर बहिष्करण धारणाओं (exclusion assumptions) की तर्कसंगतता के संबंध में आलोचना का सामना करना पड़ता है।
  • प्रॉक्सी VARs (IV-SVARs): ये बाहरी उपकरणों (external instruments) पर निर्भर करते हैं। शास्त्रीय दृष्टिकोण के लिए सख्त बाह्यता (exogeneity) की आवश्यकता होती है (उपकरणों का गैर-लक्ष्य झटकों के साथ असंबद्ध होना चाहिए)। मल्टी-शॉक सेटिंग्स में, यह एक ओवरडिटरमाइंड सिस्टम (overdetermined system) बनाता है क्योंकि शून्य-सहप्रसरण (zero-covariance) प्रतिबंधों की संख्या उपलब्ध डिग्री ऑफ फ्रीडम से अधिक हो जाती है, जिससे शोधकर्ता या तो मनमाने रिकर्सिव ऑर्डरिंग लगाने को मजबूर होते हैं या "प्रॉक्सी लीकेज" (उपकरणों और गैर-लक्ष्य झटकों के बीच सहसंबंध) को अनदेखा कर देते हैं।

2. कार्यप्रणाली: OASIS ढांचा

लेखक एक नया दृष्टिकोण प्रस्तावित करते हैं: पहचान को कठोर प्रतिबंध लगाने के बजाय, इसे एक स्पष्ट अनुकूलन समस्या (explicit optimization problem) के रूप में तैयार किया जाना चाहिए।

A. मुख्य उद्देश्य

लेखक ऑर्डर-एंड स्केल-इनवेरिएंट स्कीम (Order- and Scale-Invariant Scheme - OASIS) पेश करते हैं। लक्ष्य वह ऑर्थोगोनल रोटेशन मैट्रिक्स $A$ खोजना है जो संरचनात्मक झटकों ($u = A'\varepsilon$) और उनके निर्दिष्ट लक्षित चरों (या तो पारंपरिक SVARs में रिड्यूस्ड-फॉर्म इनोवेशंस $\varepsilon$ या प्रॉक्सी VARs में बाहरी उपकरण $z$) के बीच भारित औसत सहसंबंध (weighted average correlation) को अधिकतम करता है।

उद्देश्य फलन (Objective function) है:
$$\rho_w(A) = \sum_{i=1}^n w_i \text{corr}(u_i, \text{target}_i)$$
जहाँ $w_i > 0$ भार (weights) हैं।

B. सैद्धांतिक समाधान

1. पारंपरिक SVARs के लिए (लक्ष्य = रिड्यूस्ड-फॉर्म इनोवेशंस):

   • इष्टतम रोटेशन $A^*$ को सहसंबंध मैट्रिक्स $C_{\varepsilon\varepsilon}$ के आइजनडीकंपोजिशन (eigendecomposition) का उपयोग करके विश्लेषणात्मक रूप से प्राप्त किया जाता है।
   • $A^* = \Lambda_{\sigma\varepsilon}^{-1} C_{\varepsilon\varepsilon}^{-1/2}$ (जहाँ $\Lambda_{\sigma\varepsilon}$ मानक विचलन का डायगोनल मैट्रिक्स है)।
   • यह समाधान अद्वितीय, ऑर्डर-इनवेरिएंट और स्केल-इनवेरिएंट है। यह समान-भार वाले मामले में ZCA-cor whitening रोटेशन के अनुरूप है।

2. प्रॉक्सी VARs के लिए (लक्ष्य = बाहरी उपकरण):

   • यह ढांचा प्रॉक्सी लीकेज (जहाँ एक उपकरण गैर-लक्ष्य झटकों के साथ सह-संबंधित होता है) को बिना सटीक शून्य प्रतिबंध लगाए संभालता है।
   • समाधान में क्रॉस-कोरिलेशन मैट्रिक्स $\Xi = C_{\varepsilon\varepsilon}^{-1/2} C_{\varepsilon z} \Lambda_w$ का सिंगुलर वैल्यू डीकंपोजिशन (SVD) शामिल है।
   • इष्टतम रोटेशन को SVD घटकों से प्राप्त किया जाता है, जो स्केल्ड क्रॉस-कोरिलेशन के ट्रेस (trace) को अधिकतम करता है।
   • मल्टीपल इंस्ट्रूमेंट्स: यह ढांचा प्रति शॉक कई प्रॉक्सी को संयोजित करने की अनुमति देता है। यह एक "कम्पोजिट इंस्ट्रूमेंट" (composite instrument) व्युत्पन्न करता है जो सिग्नल-टू-नॉइज़ अनुपात को अधिकतम करता है और ओवर-आइडेंटिफिकेशन के लिए एक परीक्षण योग्य स्थिति प्रदान करता है (जो 2SLS में J-टेस्ट के समान है)।

C. चोलेस्की के साथ संबंध

यह शोध पत्र सिद्ध करता है कि चोलेस्की आइडेंटिफिकेशन, OASIS ऑब्जेक्टिव का एक बाधित संस्करण (constrained version) है।

• चोलेस्की एक क्रमिक (sequential) अनुकूलन को हल करता है: चर 1 के लिए सहसंबंध को अधिकतम करना, फिर चर 2 के लिए 1 के प्रति ऑर्थोगोनैलिटी को बनाए रखते हुए अधिकतम करना, आदि।
• OASIS एक समवर्ती (simultaneous) अनुकूलन को हल करता है: सभी चरों के लिए सहसंबंध के योग को केवल ऑर्थोगोनैलिटी की शर्त के तहत अधिकतम करना।
• मुख्य सैद्धांतिक परिणाम: OASIS, रिकर्सिव चोलेस्की आइडेंटिफिकेशन की तुलना में पूर्ण सहसंबंध ($\rho=1$) के अंतर को लगभग दोगुना कम कर देता है। विशेष रूप से, $(1 - \bar{\rho}_c) \approx 2(1 - \bar{\rho}^*)$, जहाँ $\bar{\rho}_c$ चोलेस्की औसत सहसंबंध है और $\bar{\rho}^*$ OASIS औसत सहसंबंध है।

3. प्रमुख योगदान

1. पहचान का पुनर्गठन (Reframing Identification): यह विमर्श को "क्या बहिष्करण प्रतिबंध तर्कसंगत हैं?" से बदलकर "क्या उद्देश्य फलन आर्थिक प्रश्न के लिए सुदृढ़ है?" पर ले जाता है।
2. नैदानिक आधार (Diagnostic Baseline): OASIS एक अद्वितीय, ऑर्डर-इनवेरिएंट संदर्भ रोटेशन प्रदान करता है। यदि कोई विशिष्ट आर्थिक पहचान (जैसे चोलेस्की) OASIS से महत्वपूर्ण रूप से विचलित होती है, तो यह सुझाव देता है कि आरोपित प्रतिबंध परिणामों को विकृत कर रहे हैं।
3. प्रॉक्सी ओवरडिटरमिनेशन का समाधान: यह मल्टी-शॉक वाले प्रॉक्सी VARs के लिए एक सिद्धांतपूर्ण अनुमान रणनीति प्रदान करता है। असंभव शून्य-सहप्रसरण प्रतिबंध लगाने के बजाय, OASIS लीकेज को सममित रूप से समायोजित करता है, जिससे वह संरचनात्मक रोटेशन प्राप्त होता है जो उपकरणों के साथ सबसे अधिक संरेखित (align) होता है।
4. प्रॉक्सियों के लिए रैंक टेस्ट: यह निर्धारित करने के लिए कि क्या एक ही शॉक के लिए कई प्रॉक्सी एक ही संरचनात्मक डायनेमिक को कैप्चर कर रहे हैं या मौलिक रूप से भिन्न हैं, यह एक औपचारिक रैंक टेस्ट (Kleibergen-Paap सांख्यिकी का उपयोग करके) पेश करता है।

4. अनुभवजन्य परिणाम (Empirical Results)

लेखकों ने 22 प्रकाशित SVAR अध्ययनों और दो प्रमुख प्रॉक्सी VAR अनुप्रयोगों पर OASIS लागू किया।

A. 22 SVAR अध्ययनों का पुनर्मूल्यांकन

• उच्च सहसंबंध: अधिकांश अध्ययनों में, रिड्यूस्ड-फॉर्म इनोवेशंस कमजोर रूप से सह-संबंधित (आइडेंटिटी मैट्रिक्स के करीब) होते हैं। यही कारण है कि चोलेस्की ऑर्डरिंग ऐतिहासिक रूप से मजबूत दिखाई देती रही है; जब अवशेष ऑर्थोगोनल होते हैं, तो रोटेशन का चुनाव सहसंबंध के कुल स्तर को बदलने के बजाय उसे वितरित करता है।
• "फैक्टर ऑफ टू" नियम: अनुभवजन्य रूप से, अनुपात $(1 - \bar{\rho}_c) / (1 - \bar{\rho}^*)$ लगातार 2 के आसपास रहा, जो इस सैद्धांतिक भविष्यवाणी की पुष्टि करता है कि OASIS, चोलेस्की की तुलना में लक्ष्यों के साथ काफी उच्च औसत सहसंबंध प्राप्त करता है।
• ऑर्डरिंग संवेदनशीलता: जबकि चोलेस्की इम्पल्स रिस्पॉन्स क्रम के आधार पर भिन्न हो सकते हैं, रिड्यूस्ड-फॉर्म झटकों के साथ औसत सहसंबंध सभी क्रमों में उल्लेखनीय रूप से स्थिर रहता है, जो इस सैद्धांतिक अंतर्दृष्टि की पुष्टि करता है कि ऑर्डरिंग मुख्य रूप से सहसंबंध को वितरित करती है न कि कुल स्तर को बदलती है।

B. प्रॉक्सी VAR अनुप्रयोग

1. मर्टेंस और रावन (2013) - टैक्स शॉक्स:

   • मूल अध्ययन ने सह-संबंधित टैक्स प्रॉक्सी को संभालने के लिए एक रिकर्सिव चोलेस्की ऑर्डरिंग का उपयोग किया था।
   • OASIS ने पर्सनल इनकम और कॉर्पोरेट इनकम टैक्स प्रॉक्सी के बीच महत्वपूर्ण सममित लीकेज ($\hat{s} \approx 0.23$) का खुलासा किया।
   • परिणाम: लीकेज को सममित रूप से ध्यान में रखने से अनुमानित मैक्रोइकॉनॉमिक मल्टीप्लायर्स रिकर्सिव दृष्टिकोण की तुलना में लगभग 30% कम हो गए, जिससे मौलिक निष्कर्ष बदल गए।

2. स्टॉक और वॉटसन (2012) - ग्रेट रिसेशन चैनल्स:

   • इसे 6 झटकों और कई प्रॉक्सी वाले सिस्टम पर लागू किया गया।
   • लीकेज मैट्रिक्स: अनुमानित लीकेज मैट्रिक्स $S$ ने व्यापक, सांख्यिकीय रूप से महत्वपूर्ण क्रॉस-कोरिलेशन दिखाया (जैसे, अनसर्टेनिटी प्रॉक्सी का फाइनेंशियल और ऑयल झटकों पर भारी लोड होना)।
   • ओवर-आइडेंटिफिकेशन टेस्ट: रोबस्ट क्लीबरगेन-पैप टेस्ट ने अनसर्टेलिटी और मॉनेटरी ब्लॉक्स के लिए सख्त डायगोनल (शून्य-लीकेज) धारणा को खारिज कर दिया, जो दर्शाता है कि इन प्रॉक्सी को सिंगल इंस्ट्रूमेंट में समेटना संरचनात्मक जानकारी को खो देता है।
   • परिणाम: OASIS ने लीकेज को ध्यान में रखते हुए संरचनात्मक झटकों को सफलतापूर्वक पुनः प्राप्त किया, जबकि शास्त्रीय दृष्टिकोण ने अमान्य शून्य प्रतिबंध लगाने के लिए मजबूर किया होता।

5. महत्व और निहितार्थ

• मजबूती (Robustness): OASIS एक पारदर्शी, डेटा-संचालित बेंचमार्क प्रदान करता है। यदि किसी शोधकर्ता की चुनी हुई पहचान योजना (जैसे साइन प्रतिबंध या रिकर्सिव ऑर्डरिंग) ऐसे झटके देती है जो उनके इच्छित लक्ष्यों के साथ कमजोर रूप से सह-संबंधित हैं, तो वह योजना संभवतः आर्थिक रूप से सूचनात्मक नहीं है।
• लीकेज को संभालना: यह शोध पत्र प्रॉक्सी VARs में एक बड़ी व्यावहारिक समस्या को हल करता है: मल्टीपल झटकों को मनमाने ऑर्डरिंग के बिना पहचान करने में असमर्थता। OASIS "अव्यवस्थित" डेटा को संभालने की अनुमति देता है जहाँ प्रॉक्सी आपस में संदूषित (cross-contaminated) होते हैं, जिससे वास्तविक संरचनात्मक रोटेशन का अनुमान लगाने का एक गणितीय रूप से कठोर तरीका मिलता है।
• पूरकता (Complementarity): OASIS को साइन प्रतिबंधों के साथ जोड़ा जा सकता है। शोधकर्ता साइन-प्रतिबंधित मॉडलों के सेट में से वह एकल रोटेशन चुन सकते हैं जो OASIS सहसंबंध उद्देश्य को अधिकतम करता है, जिससे एक ऐसा पॉइंट एस्टीमेट मिलता है जो आर्थिक रूप से तर्कसंगत और सांख्यिकीय रूप से इष्टतम दोनों है।

संक्षेप में, यह शोध पत्र तर्क देता है कि लक्ष्यों के साथ संरेखण को अधिकतम करना बहिष्करण प्रतिबंधों को थोपने की तुलना में एक बेहतर और अधिक सिद्धांतपूर्ण दृष्टिकोण है, जो जटिल मल्टी-शॉक सिस्टम के लिए एक नैदानिक उपकरण और एक नई अनुमान रणनीति दोनों प्रदान करता है।