关于“非线性世界中的动态因果效应：好的、坏的与丑陋的”的讨论

本文讨论了 Kolesár 和 Plagbord-Møller (2025) 的研究发现，即标准线性局部投影 (LP) 估计器即使在非线性设置中也能恢复平均边际效应 (AME)。作者应用并讨论了他们结果的一个子集，使用简单的非线性时间序列模型，强调加权函数的作用以及非线性对小样本性质的影响。

首先，本文讨论了标准 LP 估计器在宏观经济学文献中常见的假设下的理论结果。重点关注了计算 AME 的加权函数 ω，并讨论了其性质和与真实概率密度函数 fX 的区别。当 X 服从正态分布时，LP 估计器与 EME 完全一致；对于具有偏度或重尾的分布，LP 估计的 AME 与 EME 可能存在差异，但这也反映了局部投影估计器在捕捉分布尾部相关效应方面的稳健性。

其次，本文以 Aruoba 等人 (2017) 开发的二阶近似动态随机一般均衡 (DSGE) 模型的 QAR(1,1) 模型为背景，分析了 AME 及其估计。在 QAR(1,1) 模型中，AME 与非线性脉冲响应函数 (NIRF) 相关，并展示了模型中的非对称性和异方差性如何影响 AME。通过将 AME 与 NIRF 进行比较，说明了平均结构函数 Ψh 与 NIRF 的区别和联系，并指出非线性对估计结果的影响。

最后，本文分析了 QAR(1,1) 模型中 AME 估计器的小样本性质。通过模拟实验，研究了非线性对估计偏差、均方根误差 (RMSE) 和置信区间覆盖概率的影响。结果表明，虽然 AME 在理论上对非线性具有稳健性，但非线性可能会对小样本性质产生重要影响，导致估计偏差增大、RMSE 增高和置信区间覆盖概率下降。