结构VAR模型经常使用对同期脉冲响应的符号限制来识别。我们开发了一种方法，可以处理一组先前的分布，这些分布比传统方法目前允许的分布大得多。然后，我们开发了一个重要性采样器，它可以像传统方法一样方便地探索后验分布。这使得谨慎的先验选择和易于处理的后验采样之间现有的权衡消失了。我们使用这个框架将符号限制与模型中变量波动性的信息相结合，并表明这增强了后验推理。将该方法应用于石油市场，我们发现供应冲击在推动石油价格动态和解释海湾战争期间石油产量下降方面发挥着重要作用。

为了识别影响经济变量的结构性冲击，需要对结构向量自回归（SVAR）模型的参数施加限制。经济理论是这种限制的主要来源。然而，只有过度识别的限制才能用统计方法进行测试，这限制了许多刚刚识别的SVAR模型的统计验证。在本研究中，为SVAR模型开发了贝叶斯推理，其中通过马尔可夫切换异方差来识别结构参数。在这样的模型中，在同性恋的情况下，仅仅是识别的限制会变得过度识别，并且可以进行测试。导出了一组参数限制条件，在此条件下全局识别结构矩阵，并使用Savage Dickey密度比来评估识别条件的有效性。为此，定义了一个新的概率分布，它推广了β、F和复合伽马分布。作为一个经验例子，使用异方差作为额外的识别手段来比较货币模型。实证结果支持了利率反应函数中包含货币的模型。

本文提出了一种新的计量经济学方法，在一个具有离散因变量和非随机选择的模型中推断医院质量。患者出院记录中的死亡率被广泛用于推断医院质量。然而，入院并不是随机的，一些医院可能会吸引比其他医院病情更严重的患者。在这种情况下，随机入院的假设会导致对医院质量的虚假推断。这项研究使用一个模型来控制医院的选择，在该模型中，患者住所和其他医院之间的距离是关键的外生变量。该模型中的贝叶斯推断使用马尔可夫链蒙特卡罗后验模拟器是可行的，并将后验概率附加到单个医院和医院组之间的质量比较中。这项研究使用了1989年至1992年洛杉矶县114家医院收治的74848名被诊断为肺炎的医疗保险患者的数据。它发现，最小和最大的医院质量都很高，公立医院质量也很低。有强有力的证据表明，未观察到的疾病严重程度与将患者送往医院之间存在依赖性。因此，传统的probit模型导致的关于质量的推断与本研究的选择模型中的推断明显不同。