近年来，越来越多的研究领域将潜在因素模型应用于儿童技能发展的研究。在这些模型中需要一些归一化，因为潜在变量没有自然单位，也没有已知的位置或规模。我们表明，当与已经具有已知位置和规模的普通技能生产技术（KLS）同时使用时，每个时期“重新规范”潜在变量的标准做法是过度识别和限制性的。KLS类函数包括几篇论文在估计中使用的常数替代弹性（CES）生产技术。我们表明，这些KLS生产函数已经受到限制，因为它们的位置和规模是已知的（不需要识别和估计），因此，通过在每个时期重新规范模型来进一步限制位置和规模，是不必要的，也是过度识别的。最常见的再规范化限制类型规定潜在技能是平均对数平稳的，这将CES技术的类别限制为对数线性（Cobb Douglas）子类别，并且不允许更通用的互补形式。即使正确地假设了平均对数平稳模型，重新归一化也会进一步使技能生产函数的估计产生偏差。我们通过一系列蒙特卡洛练习来支持我们的分析结果。我们表明，在典型情况下，基于“再归一化”的估计量是有偏差的，而不施加这些限制的简单替代估计量可以恢复生产技术的基本原始参数。

经合组织经济部工作文件经合组织经济部的工作文件，涵盖经济部的全部工作，包括经济形势、政策分析和预测；财政政策、公共支出和税收；结构性问题，包括老龄化、增长和生产力、移民、环境、人力资本、住房、贸易和投资、劳动力市场、监管改革、竞争、健康和其他问题。这些文件中表达的观点是作者的观点，不一定反映经合组织或其成员国政府的观点。

利用动态因子模型建立了一个创新的世界贸易周期综合指数，实时监测和预测世界商品和（通常被忽视的）服务贸易的短期增长。交易指标系列的选择是使用多维方法进行的，包括贝叶斯模型平均技术、动态相关性和线性VAR框架中的Granger非因果检验。为了克服实时预测的挑战，动态因素模型被扩展到考虑混合频率，处理异步数据发布，并包括硬数据和调查数据以及领先指标。非线性问题用马尔可夫切换模型来解决。伪实时仿真分析表明：（1）全球贸易指数是实时跟踪和预测世界贸易的有用工具；ii）该模型能够准确地推断全球贸易周期，并且比少数几个竞争替代品更好；和iii）球

决策者在决定政策行动时使用了大量变量。因此，希望在用于经济分析的模型中包括大的信息集。在这项调查中，回顾了向量自回归（VAR）模型中解释大变量集信息的方法。这可以通过聚合变量或将参数空间减少到可管理的维度来实现。因子模型减少了变量的空间，而大型贝叶斯VAR模型和面板VAR减少了参数空间。全球VAR采用混合方法。他们聚合变量并使用简约的参数化。所有这些方法都在本次调查中进行了讨论，尽管主要侧重于因子模型。

结构性VAR模型需要两个要素：（i）信息充分性和（ii）有效的识别策略。小规模递归识别的VAR模型不太可能满足这些条件。我提出了一种贝叶斯代理因子增强VAR（BP-FAVAR），将大型信息集与基于外部仪器的识别方案相结合。在货币政策冲击的应用中，我发现通过一大组金融变量的因素来增强标准的小规模代理VAR会改变模型动态，并提供更符合经济理论的价格响应。第二个应用表明，不确定性的外生增加对分类投资序列的影响比消费序列更为负面。