置信水平的經驗法則
通常在統計軟體中，預設置信水平為 95%。越高越好，我想。但這仍然不是經驗法則，對吧？在 Stock 和 Watson 的論文中 ( https://www.aeaweb.org/articles/pdf/doi/10.1257/jep.15.4.101)，他們使用 66% 的置信水平。雖然他們沒有解釋為什麼是 66 而不是 95，但我想這會使一些 IRF（在 95% 時微不足道）更加重要。例如，在他們最初的論文中，利率對通脹的衝擊在 66% 的置信水平上顯得顯著，但我在 95% 的置信水平下的估計表明它與零沒有顯著差異。我不是在批評這篇論文或類似的東西，但似乎置信水平的選擇是由研究人員任意或有目的地決定的。如果不是這種情況，那麼是什麼讓人們選擇 66% 而不是 95% 甚至 99% 的置信水平呢？
- 是的，置信水平始終取決於研究人員的選擇（至少在原則上如此）。沒有理由使用 $ 90% $ , $ 95% $ 或者 $ 99% $ 水平要麼 - 它或多或少只是慣例。例如，在物理學中，他們使用與置信水平相對應的三西格瑪或五西格瑪顯著性 $ 99,7% $ , $ 99.99997% $ （甚至可以報告更高的）。
然而，話雖如此，一旦文學在一個特定的公約上安定下來，你將面臨一場艱苦的戰鬥。例如，您將很難發布至少不是 $ 3\sigma $ 或者 $ 5\sigma $ 意義重大，沒有很好的解釋。在經濟學中，人們通常滿足於 $ 95% $ 等級。僅僅因為您可以選擇任何重要性/信心水平，並不意味著其他人會接受它。 2. 他們實際上確實解釋了為什麼有 $ 66% $ 信賴區間。根據Stock 和 Watson的說法：
還繪製了 $ \pm 1 $ 標準誤差帶，每個脈衝響應產生大約 66% 的信賴區間。
當涉及到 VAR 脈衝響應（和一般預測）時，通常繪製 $ \pm 1 $ 標準誤差帶。當人們估計 DSGE 模型時也經常這樣做，因此它或多或少是傳統做法。這最終是人們以某種方式解決的任意選擇。
另請注意，報告 1 個標準誤差偏差誤差線並不意味著該變數僅在 $ 66% $ 置信水平 - 例如 $ \hat{\beta}=30 $ 和 $ SE(\hat{\beta} )=1 $ 將有 $ t $ -stat $ =30 $ ，在經濟學中使用的任何傳統意義下（在任何合理大小的樣本中）都將是顯著的。這並不妨礙您建構 1 個標準誤差線（即 $ 30 \pm 1 $ ).