Analiza modelu realnego cyklu koniunkturalnego z wykorzystaniem Bayesowskich modeli typu VEC

• Autorzy: Justyna Wróblewska

Warianty tytułu

The Analysis of Real Business Cycle Model with the Use of Bayesian VEC Type Models

• Języki publikacji: PL

Abstrakty

Teoria przewiduje występowanie zależności długo- i krótkookresowych dla wielu różnych wielkości ekonomicznych. Wśród przykładów można wymienić różne wersje modelu realnego cyklu koniunkturalnego (modelu RBC). Celem niniejszego opracowania jest empiryczna analiza podstawowego modelu RBC zbudowanego dla produkcji, konsumpcji i inwestycji w gospodarce polskiej w latach 1995-2015. Do zbadania tego zagadnienia wykorzystano grupę bayesowskich modeli typu VEC, w których prócz restrykcji nałożonych na parametry opisujące związki długookresowe, dodatkowo nałożono restrykcje na parametry opisujące zależności krótkookresowe. Dokonując bayesowskiego porównania wymienionych modeli wywnioskowano, że zachowanie omawianych wielkości jest sterowane za pomocą jednego wspólnego czynnika cyklicznego oraz dwóch wspólnych trendów stochastycznych. Dodatkowo, zbadano udział wstrząsów o charakterze trwałym i przejściowym w wyjaśnianiu wariancji błędu prognoz oraz ich wpływ na analizowane zmienne. (abstrakt oryginalny)

EN

In many economic theories and models, both long- and short-run relationships between variables are in focus. It is also the case in the real business cycle model (RBC model). The main aim of the paper is empirical analysis of the basic, three-variable RBC model for the Polish data of product, private consumption and investment over the years 1995-2015. A group of Bayesian VEC models with additional short-term restrictions is employed in this research. The Bayesian model comparison leads to the conclusion that the analyzed process is driven by two stochastic trends and one common cycle. Additionally, in order to evaluate the importance of long- and short-run shocks, the forecast error variance decomposition and the impulse response functions are calculated. (original abstract)

Słowa kluczowe

PL

Modele bayesowskie; Teoria realnego cyklu koniunkturalnego; Wnioskowanie bayesowskie

EN

Bayesian models; Real business cycle theory; Bayesian inference

• Czasopismo: Przegląd Statystyczny
• Rocznik: 2017
• Tom: 64
• Numer: z. 4
• Strony: 357--372

Twórcy

autor

Justyna Wróblewska

• Uniwersytet Ekonomiczny w Krakowie

Bibliografia

• Beveridge S., Nelson C. R., (1981), A New Approach to the Decomposition of Economic Time Series Into Permanent and Transitory Components with Particular Attention to Measurement of the Business Cycle, Journal of Monetary Economics, 7 (2), 151-174.
• Campbell J. Y., Mankiw N. G., (1989), Consumption, Income, and Interest Rates: Reinterpreting the Time Series Evidence, NBER Macroeconomics Annual 1989, 4.
• Centoni M., Cubadda G., (2003), Measuring the Business Cycle Effects of Permanent and Transitory Shocks in Cointegrated Time Series, Economic Letters, 80 (1), 45-51.
• Chikuse Y., (2002), Statistics on Special Manifolds, Springer, New York.
• Cubadda G., (1999), Common Serial Correlation and Common Business Cycles: A Cautious Note, Empirical Economics, 24 (3), 529-535.
• Cubadda G., (2007), A Unifying Framework for Analysing Common Cyclical Features in Cointegrated Time Series, Computational Statistics & Data Analysis, 52 (2), 896-906.
• Engle R. F., Granger C. W. J., (1987), Co-Integration and Error Correction: Representation, Estimation, and Testing, Econometrica, 55 (2), 251-276.
• Hecq A., Palm F. C., Urbain J-P., (2000), Permanent-Transitory Decomposition in VAR Models with Cointegration and Common Cycles, Oxford Bulletin of Economics and Statistics, 62 (4), 511-532.
• Hecq A., Palm F. C., Urbain J-P., (2006), Common Cyclical Features Analysis in VAR Models with Cointegration, Journal of Econometrics, 132 (1), 117-141.
• Issler J. V., Vahid F., (2001), Common Cycles and the Importance of Transitory Shocks to Macroeconomic Aggregates, Journal of Monetary Economics, 74 (3), 449-475.
• Johansen S., (1995), Likelihood-Based Inference in Cointegrated Vector Autoregressive Models, Oxford University Press, New York.
• King R. G., Plosser C. I., Stock J. H., Watson M. W., (1991), Stochastic Trends and Economic Fluctuations, The American Economic Review, 81 (4), 819-840.
• Koop G., León-González R., Strachan R., (2010), Efficient Posterior Simulation for Cointegrated Models with Priors on the Cointegration Space, Econometric Reviews, 29 (2), 224-242.
• Lütkepohl H., (2007), New Introduction to Multiple Time Series Analysis, Springer-Verlag, Berlin.
• Osiewalski J., Marzec J., (1996-97), Integracja, kointegracja i model korekty błędu dla depozytów gospodarstw domowych, Folia Oeconomica Cracoviensia, 39-40, 51-64.
• Sims C. A., (1980), Macroeconomics and Reality, Econometrica, 48 (1), 1-48.
• Strachan R., Inder B., (2004), Bayesian Analysis of the Error Correction Model, Journal of Econometrics, 123 (2), 307-325.
• Vahid F., Engle R. F., (1993), Common Trends and Common Cycles, Journal of Applied Econometrics, 8 (4), 341-360. Villani M., (2005), Bayesian Reference Analysis of Cointegration, Econometric Theory, 21 (2), 326-357.
• Welfe A., (red.), (2013), Analiza kointegracyjna w makromodelowaniu, Polskie Wydawnictwo Ekonomiczne, Warszawa.
• Wróblewska J., (2011), Bayesian Analysis of Weak Form Reduced Rank Structure in VEC Models, Central European Journal of Economic Modelling and Econometrics (CEJEME), 3 (3), 169-186.
• Wróblewska J., (2015), Common Trends and Common Cycles - Bayesian Approach, Central European Journal of Economic Modelling and Econometrics (CEJEME), 7 (2), 91-110.