On global identification in structural vector autoregressions

Deze paper weerlegt de onvoldoende identificatievoorwaarde van Rubio-Ramírez et al. (2010) voor structurele VAR's door een tegenvoorbeeld te geven waarin redundante restricties de voorwaarde ongeldig maken, en stelt een gewijzigde, noodzakelijke en voldoende voorwaarde voor globale identificatie voor.

De kern

De Grote Raadsel: Wie heeft wat gedaan?

Stel je voor dat je in een drukke kamer staat waar drie mensen (laten we ze A, B en C noemen) tegelijkertijd praten. Je hoort een wirwar van geluiden, maar je weet niet wie wat zegt. Je wilt weten: Wie is de oorzaak van welk geluid?

In de econometrie heet dit een SVAR (Structurele Vector Autoregressie). Het is een wiskundig model om te proberen te achterhalen welke "schok" (bijvoorbeeld een plotselinge stijging van de rente) precies welke gevolgen heeft voor de economie (zoals werkloosheid of inflatie).

Het probleem is dat je alleen de geluiden ziet (de data), maar niet de mensen die ze maken (de oorzaken). Om dit op te lossen, moeten economen "regels" bedenken. Ze zeggen bijvoorbeeld: "Mens A praat niet met Mens B" of "Mens C reageert niet direct op Mens A". Deze regels heten identificatiebeperkingen.

De "Gouden Regel" van RWZ (2010)

In 2010 kwamen drie grote wetenschappers (RWZ) met een heel handige formule. Ze zeiden:

"Als je precies genoeg regels hebt en ze op de juiste manier plaatst, dan kun je het raadsel altijd oplossen. Je hoeft alleen maar te tellen: heb je genoeg 'nullen' in je lijstje?"

Het was alsof ze een simpele rekenmachine hadden uitgevonden:

1. Tel het aantal regels.
2. Als het getal klopt, dan is het raadsel opgelost.
3. Klaar!

Voor economen was dit een droom. Je hoefde niet meer diep in de wiskunde te duiken; je telde gewoon.

Het Probleem: De "Dubbelop"-Valstrik

De auteurs van dit nieuwe paper (Bacchiocchi en Kitagawa) zeggen: "Wacht even, die simpele rekenmachine werkt niet altijd."

Ze laten zien dat de RWZ-regel een verborgen valstrik heeft. Stel je voor dat je een raadsel probeert op te lossen met de volgende regels:

1. A praat niet met B.
2. B praat niet met C.
3. A praat niet met C.

De RWZ-telmachine zou zeggen: "O, drie regels! Dat is genoeg, het raadsel is opgelost."

Maar... A praat niet met C is eigenlijk al een gevolg van de eerste twee regels! Als A niet met B praat, en B niet met C, dan is het logisch dat A en C ook niet direct met elkaar praten. De derde regel is overbodig (redundant). Het is alsof je in een puzzel een stukje probeert te leggen dat al door de andere stukjes wordt vastgehouden.

De RWZ-methode telt die overbodige regel gewoon mee. Ze denken: "We hebben drie regels, dus we hebben drie onafhankelijke aanwijzingen." Maar in werkelijkheid heb je er maar twee. Hierdoor denken ze dat ze het raadsel hebben opgelost, terwijl ze eigenlijk nog steeds in het donker tappen. Ze komen tot een verkeerde conclusie.

De Oplossing: De "Kwaliteitscontrole"

De auteurs van dit paper zeggen: "We moeten niet alleen tellen, we moeten ook controleren of de regels echt onafhankelijk zijn."

Ze hebben een nieuwe methode bedacht die werkt als een slimme detective:

1. Deel het probleem op: Kijk niet naar alle regels tegelijk, maar één voor één.
2. De "Vinger-oefening": Stel je voor dat je een orthogonaal rooster (een soort 3D-ruimte) probeert te bouwen. Je plaatst eerst de eerste regel. Werkt die? Ja. Dan de tweede. Werkt die nog steeds als een unieke aanwijzing?
3. De Check: Als je een regel probeert toe te voegen, maar die regel is al "afgedekt" door de eerdere regels (de wiskundige rang van de matrix is te laag), dan weet de detective: "Aha! Dit is een dubbelop-regel. We hebben hier niet genoeg echte informatie."

Waarom is dit belangrijk?

Stel je voor dat een econoom dit fout doet. Hij denkt dat hij precies weet hoe een rentestijging de werkloosheid beïnvloedt. Maar omdat hij een overbodige regel heeft gebruikt, is zijn berekening eigenlijk gebaseerd op een willekeurige gok.

• Voor de praktijk: Als je een bank of overheid adviseert op basis van zo'n foutief model, kun je verkeerde beslissingen nemen.
• Voor de wetenschap: De auteurs geven een nieuwe, veiligere tool. Het is net iets meer werk dan alleen maar tellen, maar het garandeert dat je antwoord echt klopt.

Samenvatting in één zin

De oude methode telde alleen het aantal regels om te zeggen "Het raadsel is opgelost", maar deze nieuwe paper waarschuwt: "Pas op, sommige regels zijn dubbelop; tel ze niet mee, want dan denk je dat je meer weet dan je eigenlijk weet."

Ze hebben een nieuwe, veiligere manier bedacht om te checken of je raadsel echt opgelost is, zelfs als de regels ingewikkeld zijn.

Technische samenvatting

Hier is een gedetailleerde technische samenvatting van het paper "On global identification in structural vector autoregressions" van Emanuele Bacchiocchi en Toru Kitagawa, geschreven in het Nederlands.

Probleemstelling

Structurale Vector Autoregressies (SVAR's) zijn een fundamenteel instrument in de macro-econometrie om causale relaties tussen economische variabelen te identificeren. Een cruciale stap in de analyse is het garanderen van globale identificatie: de zekerheid dat de geschatte structurele parameters uniek zijn gegeven de waargenomen gereduceerde vorm parameters.

Rubio-Ramírez, Waggoner en Zha (2010, hierna RWZ) leverden een baanbrekende bijdrage door noodzakelijke en voldoende voorwaarden te formuleren voor globale identificatie onder nul-restricties (exclusierestricties). Hun Stelling 7 is vooral populair bij empirische onderzoekers omdat het de identificatiecheck reduceert tot een eenvoudige "teloefening": het tellen van het aantal nul-restricties per kolom ($q_j = n - j$).

Het paper identificeert echter een kritiek tekortkoming in de toepasbaarheid van Stelling 7:

1. Aanname van Regulariteit: De geldigheid van Stelling 7 berust op technische aannames, specifiek Voorwaarde 2 van RWZ. Deze stelt dat de transformatiefunctie $f(\cdot)$ die de parameters construeert, "regulier" moet zijn. Dit betekent dat de eerste afgeleide van deze functie volledige rang moet hebben.
2. Redundantie: In veel praktische situaties (bijvoorbeeld wanneer restricties worden opgelegd aan zowel de structurele matrix $A_0$ als aan impulsresponsen) kunnen restricties redundant zijn. Dit betekent dat één restrictie impliciet volgt uit andere restricties.
3. Het Foutieve Resultaat: Als deze redundantie optreedt, faalt de regulariteitsaanname. Stelling 7 telt de restricties echter gewoon op en concludeert ten onrechte dat het model globaal geïdentificeerd is, terwijl het in werkelijkheid niet is. Dit leidt tot misleidende conclusies in empirisch onderzoek.

Methodologie

De auteurs gebruiken een combinatie van analytische wiskunde en een herziene algoritme-approach om het probleem op te lossen:

1. Contrastvoorbeeld: De auteurs construeren een specifiek drievoudig SVAR-voorbeeld waarin restricties worden opgelegd aan zowel de contemporane relaties ($A_0$) als de impulsresponsen op het moment van impact ($IR_0$).

   • Ze tonen analytisch aan dat de restricties op $A_0$ impliciet een restrictie opleggen aan $IR_0$.
   • Hierdoor is de derde restrictie redundant.
   • Ze demonstreren dat de transformatiefunctie in dit geval niet-regulier is (de rang van de afgeleide is te laag), waardoor de aannames van RWZ worden geschonden.

2. Analyse van RWZ Algoritme: Ze tonen aan dat het standaard RWZ-algoritme (Algorithm 1) in dit geval faalt. Het algoritme genereert een orthogonale matrix $P$, maar door de redundantie is de tweede kolom van deze matrix niet uniek bepaald (er is een oneindig aantal oplossingen op de eenheidscirkel), wat betekent dat globale identificatie ontbreekt.

3. Definitie van Non-Redundantie: De auteurs introduceren het concept van niet-redundante restricties. Restricties zijn niet-redundant als de reeds geïdentificeerde orthogonale vectoren ($p_1, ..., p_{j-1}$) lineair onafhankelijk zijn van de rijvectoren van de restrictiematrix $Q_j f(A_0, A_+)$.

4. Herziene Voorwaarde: In plaats van te vertrouwen op de abstracte regulariteitsaanname van RWZ, stellen de auteurs een nieuwe, direct controleerbare voorwaarde voor. In plaats van alleen te kijken naar het aantal restricties ($q_j$), moet men ook controleren of de matrix $\tilde{Q}_j$ (die de restricties combineert met de eerder gevonden vectoren) volledige rijrang heeft.

Kernbijdragen

1. Identificatie van een Groot Tekortkoming: Het paper bewijst dat de populaire "teloefening" van RWZ (Stelling 7) onvoldoende is wanneer restricties redundant zijn, zelfs als het aantal restricties correct lijkt te zijn.
2. Nieuwe Noodzakelijke en Voldoende Voorwaarde (Stelling 1): De auteurs formuleren een nieuwe Stelling 1 die globale identificatie garandeert onder zwakkere aannames. De voorwaarden zijn:
   • Het aantal restricties moet gelijk zijn aan $n - j$ voor elke kolom $j$.
   • De restricties moeten niet-redundant zijn op het specifieke punt in de parameter ruimte.
3. Praktisch Algorithm (Algorithm 1): Ze ontwikkelen een computergestuurd algoritme dat:
   • Werkt op basis van geschatte gereduceerde vorm parameters ($B, \Sigma$).
   • Sequentieel de rang van de matrices $\tilde{Q}_j$ controleert.
   • Direct detecteert of redundantie optreedt en dus of identificatie faalt.
   • Geen kennis vereist van de analytische vorm van alle impliciete restricties (in tegenstelling tot een correcte toepassing van RWZ Stelling 6).

Resultaten

• Validatie van het Voorbeeld: In het geconstrueerde voorbeeld faalt de rangcheck van de auteurs' nieuwe algoritme voor de tweede stap ($\tilde{Q}_2$ heeft rang 1 in plaats van de vereiste $n-1=2$). Dit bevestigt correct dat het model niet globaal geïdentificeerd is, terwijl RWZ Stelling 7 ten onrechte "geïdentificeerd" zou concluderen.
• Generaliteit: De nieuwe methode werkt ook voor transformaties die niet voldoen aan de strenge regulariteitsvoorwaarden van RWZ (zoals bij restricties op korte-termijn en lange-termijn impulsresponsen in VAR's met lags).
• Robuustheid: Het algoritme is robuust en kan worden toegepast op Maximum Likelihood schattingen of trekkingen uit de posterior verdeling in Bayesiaanse VAR's.

Significantie

Deze paper is van groot belang voor de empirische macro-econometrie:

• Voorkomen van Foutieve Conclusies: Veel bestaande studies vertrouwen blind op RWZ Stelling 7. Dit paper waarschuwt dat deze studies mogelijk gebaseerd zijn op modellen die niet globaal geïdentificeerd zijn, wat leidt tot onbetrouwbare impulsresponsanalyses.
• Toepasbaarheid: De voorgestelde methode is eenvoudiger te implementeren dan het analytisch afleiden van alle impliciete restricties (nodig voor RWZ Stelling 6), maar wel nauwkeuriger dan de simpele telling van Stelling 7.
• Richtlijn voor Onderzoekers: De auteurs bevelen hun algoritme aan als een standaardprocedure voor elke onderzoeker die SVAR's schat met gelijkheidsrestricties. Het zorgt ervoor dat de identificatie niet alleen theoretisch klopt, maar ook numeriek valide is op het specifieke geschatte punt.

Kortom, het paper corrigeert een subtiel maar kritiek theoretisch hiaat in de SVAR-literatuur en biedt een praktisch, rekenkundig instrument om de geldigheid van identificatie in empirische modellen te verifiëren.