On global identification in structural vector autoregressions

Este artigo refuta a suficiência da condição de identificação global proposta por Rubio-Ramirez, Waggoner e Zha (2010) para SVARs, demonstrando por contraexemplo que ela falha ao não considerar restrições redundantes, e propõe uma condição necessária e suficiente modificada que corrige essa falha.

O essencial

Imagine que você é um detetive tentando resolver um crime complexo (o "modelo econômico") usando apenas algumas pistas (os "dados"). O seu objetivo é descobrir exatamente quem fez o quê, quando e como.

Neste mundo dos economistas, existe uma ferramenta muito popular chamada SVAR (um tipo de modelo estatístico). Para usar essa ferramenta, os economistas precisam fazer suposições sobre o que não aconteceu (chamadas de "restrições de exclusão"). Por exemplo: "O choque de política monetária não afeta a produção industrial no mesmo mês".

O Problema: A "Regra de Contagem" que Engana

Em 2010, três economistas famosos (RWZ) criaram uma regra de ouro para saber se um detetive tem pistas suficientes para resolver o caso de forma única. A regra deles era simples e atraente: basta contar o número de restrições.

Se você tem 3 variáveis, você precisa de um número específico de restrições. Se a contagem bater, a regra dizia: "Tudo bem! O caso está resolvido, a solução é única."

Mas o problema é que essa regra de contagem tem uma falha oculta.

A Analogia da "Pista Falsa" (Redundância)

Imagine que você está tentando adivinhar a senha de um cofre de 3 dígitos.

1. Você tem uma dica: "O primeiro dígito é 1".
2. Você tem outra dica: "O segundo dígito é 2".
3. Você tem uma terceira dica: "O terceiro dígito é 3".

Aqui, você tem 3 dicas para 3 dígitos. A contagem está perfeita. Você acha que vai abrir o cofre.

Agora, imagine um cenário diferente:

1. Dica 1: "O primeiro dígito é 1".
2. Dica 2: "O segundo dígito é 2".
3. Dica 3: "A soma dos três dígitos é 6".

Se você já sabe que o primeiro é 1 e o segundo é 2, a terceira dica ("a soma é 6") não é uma nova informação! Ela é redundante. Ela é apenas uma consequência matemática das duas primeiras. Você ainda não sabe qual é o terceiro dígito (poderia ser 3, mas a dica não te diz isso diretamente, ela apenas confirma o que você já deduziu).

Se você apenas "contar" as dicas, dirá que tem 3 dicas para 3 dígitos (tudo certo). Mas, na realidade, você só tem 2 informações independentes. O cofre não abre de forma única.

É exatamente isso que Bacchiocchi e Kitagawa mostram no artigo:
Às vezes, as restrições que os economistas impõem no modelo são como essa "Dica 3". Uma restrição sobre uma variável pode, sem querer, forçar automaticamente outra variável a ser zero. Isso cria uma redundância.

A regra antiga (de RWZ) contava essas restrições redundantes como se fossem novas informações valiosas. Isso levava os economistas a acreditar que o modelo estava resolvido, quando, na verdade, eles ainda tinham várias soluções possíveis (o cofre não estava aberto).

A Solução: O Novo "Detector de Redundância"

Os autores propõem uma nova maneira de verificar se o caso está realmente resolvido. Em vez de apenas contar as pistas, eles sugerem um processo passo a passo (um algoritmo):

1. Verifique a contagem: Ainda precisamos do número certo de restrições.
2. Verifique a independência: Para cada nova restrição que você adiciona, pergunte: "Essa restrição me dá uma informação nova e independente, ou ela é apenas uma repetição do que eu já sabia?"

Eles criaram um método prático para fazer essa verificação. É como ter um detector de mentiras para as suas próprias regras. Se o detector apitar e disser "redundante", você sabe que precisa de uma restrição diferente para realmente identificar o modelo.

Por que isso importa?

Muitos economistas usam a regra antiga porque é fácil: "Contei e deu certo!". Mas, como o artigo mostra, isso pode levar a conclusões erradas sobre como a economia funciona. Se você acha que identificou o impacto de um choque de petróleo na economia, mas na verdade suas restrições eram redundantes, suas conclusões sobre o futuro da economia podem estar completamente equivocadas.

Resumo da Ópera:
O artigo nos ensina que, na ciência econômica (e na vida), quantidade não é tudo. Ter muitas regras não garante que você tenha a resposta certa. Às vezes, você precisa garantir que cada regra que você faz seja única e não apenas uma cópia de outra. Os autores deram aos economistas um novo "manual de instruções" para evitar essa armadilha e garantir que suas descobertas sejam realmente sólidas.

Resumo técnico

Resumo Técnico: Identificação Global em Vetores Autoregressivos Estruturais (SVARs)

1. O Problema

O artigo aborda uma limitação crítica na literatura de Vetores Autoregressivos Estruturais (SVARs), especificamente em relação às condições de identificação global propostas por Rubio-Ramírez, Waggoner e Zha (2010) (doravante RWZ).

• Contexto: RWZ estabeleceram condições necessárias e suficientes para a identificação global de parâmetros estruturais sob restrições de exclusão (zeros). A sua Teorema 7 é amplamente utilizada por economistas aplicados porque simplifica a verificação de identificação para um simples exercício de contagem de restrições (verificar se o número de restrições em cada coluna $q_j$ satisfaz $q_j = n - j$).
• A Lacuna: O Teorema 7 de RWZ depende de suposições técnicas rigorosas, em particular a Condição 2, que exige que a transformação dos parâmetros seja "regular" (a derivada primeira da função de transformação deve ter posto completo).
• O Risco: Os autores demonstram que, quando essa suposição de regularidade falha (o que é comum em aplicações empíricas que combinam restrições em relações contemporâneas e em respostas ao impulso), o Teorema 7 pode produzir falsos positivos. Ou seja, o modelo pode parecer globalmente identificado pela contagem de restrições, mas na realidade não o é devido a restrições redundantes. Restrições redundantes são aquelas que são implicitamente impostas por outras restrições, não adicionando nova informação de identificação, mas sendo contadas erroneamente como restrições válidas.

2. Metodologia

Os autores utilizam uma abordagem analítica e algorítmica para diagnosticar e corrigir o problema:

• Exemplo Ilustrativo: Eles constroem um SVAR trivariado onde impõem restrições de zero tanto na matriz estrutural $A_0$ quanto na matriz de resposta ao impulso contemporânea ($IR_0 = A_0^{-1\prime}$).
  • Analiticamente, mostram que as restrições impostas em $A_0$ implicam automaticamente uma restrição de zero em $IR_0$.
  • Isso cria uma redundância: a terceira restrição não reduz o espaço de parâmetros admissíveis, mas o Teorema 7 de RWZ a conta como se o fizesse.
  • Ao aplicar o algoritmo de RWZ, verifica-se que a matriz de restrições acumulada ($\tilde{Q}_j$) perde posto (rank deficiency), falhando em identificar unicamente o vetor ortogonal $p_j$, o que quebra a identificação global.
• Investigação Analítica: Eles demonstram que a falha ocorre porque a transformação $f(\cdot)$ não é regular (a dimensão do domínio não corresponde à dimensão da imagem da derivada), violando a premissa do Teorema 7.
• Desenvolvimento Teórico: Os autores propõem uma nova definição de restrições não redundantes e reformulam as condições de identificação para não dependerem das suposições de regularidade forte de RWZ.

3. Contribuições Principais

1. Diagnóstico da Falha do Teorema 7:
   O artigo prova que a condição de contagem de restrições de RWZ (Teorema 7) é insuficiente quando as restrições são redundantes. A redundância ocorre quando um conjunto de restrições de igualdade em parâmetros estruturais ou respostas ao impulso força implicitamente outras variáveis a zero, tornando algumas restrições explícitas desnecessárias.

2. Nova Condição Necessária e Suficiente (Teorema 1):
   Os autores derivam uma condição modificada para identificação exata (global). O SVAR é exatamente identificado se e somente se:

   • O número de restrições satisfaz $q_j = n - j$ para todo $j$; E
   • As restrições são não redundantes no ponto de parâmetros reduzidos considerado.
   • A não redundância é definida pela condição de que os vetores ortogonais já identificados ($p_1, ..., p_{j-1}$) sejam linearmente independentes das linhas da matriz de restrições $Q_j f(A_0, A_+)$.

3. Algoritmo Prático (Algoritmo 1):
   Apresentam um algoritmo computacional direto para verificar a identificação global em um ponto específico do espaço de parâmetros (por exemplo, a estimativa de máxima verossimilhança ou uma amostra de uma distribuição posterior Bayesiana).

   • O algoritmo segue a lógica sequencial de RWZ, mas adiciona um passo crucial: verificar se a matriz $\tilde{Q}_j$ (que combina as restrições atuais com os vetores já encontrados) tem posto completo ($n-1$).
   • Se o posto for menor que $n-1$, a identificação falha devido à redundância.
   • Este método não requer conhecimento analítico prévio de quais restrições são redundantes, tornando-o aplicável a SVARs de escala moderada a grande.

4. Resultados

• Validação do Exemplo: No exemplo trivariado, o Teorema 7 de RWZ indicaria erroneamente identificação global. O novo método detecta corretamente a falha, mostrando que a segunda coluna da matriz ortogonal $P$ não é única (qualquer vetor no círculo unitário ortogonal a $p_1$ é admissível), confirmando a falta de identificação.
• Generalidade: A nova condição funciona mesmo quando a transformação não é regular (violando a Condição 2 de RWZ), cobrindo casos comuns na prática, como:
  • Restrições de curto prazo em choques de política monetária (onde o número de lags do VAR reduz a dimensão da transformação).
  • Misturas de restrições de curto e longo prazo (como em modelos de Blanchard e Quah ou King et al.).
• Correção de Implementações Existentes: O artigo alerta que a implementação ingênua de algoritmos de decomposição QR (como em softwares padrão) pode mascarar a falta de unicidade, selecionando arbitrariamente um vetor quando a identificação falha, levando a conclusões empíricas errôneas.

5. Significância e Implicações

• Para a Pesquisa Empírica: O trabalho é fundamental para economistas aplicados que utilizam SVARs. Ele fornece uma ferramenta de diagnóstico necessária para evitar conclusões falsas sobre a identificação de choques estruturais. Muitos estudos podem estar baseados em modelos que não são globalmente identificados devido a redundâncias não detectadas.
• Robustez Teórica: Ao remover a dependência de suposições de regularidade forte, o artigo expande o conjunto de modelos admissíveis para os quais a identificação pode ser verificada rigorosamente.
• Implementação Prática: A proposta de um algoritmo baseado na verificação de posto de matrizes sequenciais torna a verificação de identificação acessível e computacionalmente viável, sem exigir que o pesquisador derive analiticamente todas as implicações das restrições (o que seria inviável em modelos grandes).

Em suma, Bacchiocchi e Kitagawa corrigem uma falha sutil, mas crítica, na literatura de SVARs, garantindo que a "contagem de restrições" seja complementada por uma verificação de não redundância, assegurando que as restrições impostas realmente fornecem informação identificadora única.