An Estimated General Equilibrium Model and Vector Autoregression. Practical Issues

Renata Wróbel-Rotter

doi:https://doi.org/10.59139/ps.2013.04.4

Renata Wróbel-Rotter Uniwersytet Ekonomiczny w Krakowie Przegląd Statystyczny. Statistical Review, vol. 60, 2013, 4, pages: 477-498 Published online: 31 December 2013 DOI https://doi.org/10.59139/ps.2013.04.4

493 Views 23 Downloads

ARTICLE

(Polish) PDF

ABSTRACT

The DSGE-VAR model consists of two models of vector autoregressions: the first one approximates the linearised solution of the dynamic stochastic general equilibrium model and is used as a tool for construction of a prior distribution for the second one, estimated with the observed data. The main purpose of the paper is to present practical aspects of DSGE-VAR estimation, verification and comparison, based on the marginal data density. It can be obtained after considering conditional models or by estimation of fully specified models, after assuming uniform, generalised gamma and modified beta distributions. The conditional models lead to serious variability of the Bayes factors that has little economic interpretation. Posterior inference for the weighting parameter from fully estimated models is less sensitive to its prior specification. In the second part of the paper author discusses convergence diagnostics used for checking stability of MCMC algorithms.

KEYWORDS

DSGE-VAR, dynamic stochastic general equilibrium model, Bayesian inference, marginal data density, prior specifi cation, convergence diagnostics of MCMC

REFERENCES

[1] Adjemian A., DarracqParies M., Moyen S., (2008), Towards a Monetary Policy Evaluation Framework, European Central Bank Working Paper No. 942, Frankfurt am Main, Germany.

[2] Adjemian S., Bastani H., Juillard M., Mihoubi F., Perendia G., Ratto M., Villemot S., (2011), Dynare: Reference Manual, Version 4, Dynare Working Papers No. 1, Paris.

[3] Brooks S. P., Gelman A., (1998), General Methods for Monitoring Convergence of Iterative Simulations, Journal of Computational and Graphical Statistics, 7, 434–455.

[4] Christiano L. J., (2007), Comment, Journal of Business & Economic Statistics, American Statistical Assosiation, 25 (2), 143–151.

[5] Christiano L. J., Eichenbaum M., Evans C., (2005), Nominal Rigidities and the Dynamic Effects of a Shock to Monetary Policy, Journal of Political Economy, University of Chicago Press, 113 (1), 1–45.

[6] Del Negro M., Schorfheide F., (2004), Priors from General Equilibrium Models for VARs, International Economic Review, 45 (2), 643–673.

[7] Del Negro M., Schorfheide F., Smets F., Wouters R., (2007), On the fi t of New-Keynesian Models, Journal of Business & Economic Statistics, American Statistical Association, 25 (2), 123–143.

[8] Erceg C. J., Henderson D. W., Levin A. T., (2000), Optimal Monetary Policy with Staggered Wage and Price Contracts, Journal of Monetary Economics, Elsevier, 46 (2), 281–313.

[9] Geweke J., (1999), Using Simulation Methods for Bayesian Econometric Models: Inference, Development and Communication, Econometric Reviews, Taylor and Francis Journals, 18 (1), 1–73.

[10] Poirier D. J., (1995), Intermediate Statistics and Econometrics: A Comparative Approach, MIT Press, Hong Kong.

[11] Rabanal P., Rubio-Ramírez J. F., (2005), Comparing New Keynesian Models of the Business Cycle: A Bayesian Approach, Journal of Monetary Economics, Elsevier, 52 (6), 1151–1166.

[12] Schorfheide F., (2000), Loss Function Based Evaluation of DSGE Models, Journal of Applied Econometrics, John Wiley and Sons, Ltd., 15 (6), 645–670.

[13] Tierney L., Kadane J. B., (1986), Accurate Approximations for Posterior Moments and Marginal Densities, Journal of the American Statistical Association, American Statistical Association, 81 (393), 82–86.

[14] Wróbel-Rotter R., (2007a), Dynamic Stochastic General Equilibrium Models: Structure and Estimation, w: Welfe W., Wdowiński P., (red.), Modelling Economies in Transition 2006, Łódź, Wydawnictwo “Green”, 9–26.

[15] Wróbel-Rotter R., (2007b), Dynamiczne Stochastyczne Modele Równowagi Ogólnej: zarys metodologii badań empirycznych, Folia Oeconomica Cracoviensia, 48, 69–93.

[16] Wróbel-Rotter R., (2007c), Dynamiczny Stochastyczny Model Równowagi Ogólnej: przykład dla gospodarki polskiej, Przegląd Statystyczny, 54 (3), 25–48

[17] Wróbel-Rotter R., (2008), Bayesian estimation of a Dynamic General Equilibrium model, w: Welfe A., (red.), Metody Ilościowe w Naukach Ekonomicznych, Ósme Warsztaty Doktorskie z zakresu Ekonometrii i Statystyki, Szkoła Główna Handlowa w Warszawie – Ofi cyna Wydawnicza, 279–294.

[18] Wróbel-Rotter R., (2011a), Empiryczne modele równowagi ogólnej: gospodarstwa domowe i producent finalny, Zeszyty Naukowe Uniwersytetu Ekonomicznego w Krakowie, seria Ekonomia, 869, 109–128.

[19] Wróbel-Rotter R., (2011b), Obszary stabilności rozwiązania empirycznych modeli równowagi ogólnej: zastosowanie metod analizy wrażliwości, Zeszyty Naukowe Uniwersytetu Ekonomicznego w Krakowie, seria Metody analizy danych, 873, 121–135.

[20] Wróbel-Rotter R., (2011c), Sektor producentów pośrednich w empirycznym modelu równowagi ogólnej, Zeszyty Naukowe Uniwersytetu Ekonomicznego w Krakowie, seria Ekonomia, 872, 73–93.

[21] Wróbel-Rotter R., (2012a), Empiryczne modele równowagi ogólnej: zagadnienia numeryczne estymacji bayerowskiej, Zeszyty Naukowe Uniwersytet Ekonomiczny w Krakowie, seria Metody analizy danych, 878, 143–162.

[22] Wróbel-Rotter R., (2012b), Struktura empirycznego modelu równowagi ogólnej dla niejednorodnych gospodarstw domowych, Zeszyty Naukowe Uniwersytetu Ekonomicznego w Krakowie, seria Ekonomia, 879, 107–126.

[23] Wróbel-Rotter R., (2012c), Wybrane zagadnienia współczesnego modelowania strukturalnego, część I: estymowane modele równowagi ogólnej w zarysie, Folia Oeconomica Cracoviensia, 53, 59–83.

[24] Wróbel-Rotter R., (2012d), Wybrane zagadnienia współczesnego modelowania strukturalnego, część II: wnioskowanie w estymowanych modelach równowagi ogólnej, Folia Oeconomica Cracoviensia, 53, 85–112.

[25] Wróbel-Rotter R., (2013a), Empiryczne modele równowagi ogólnej: zastosowanie metody dekompozycji funkcji do oceny zależności między postacią strukturalną i zredukowaną, Zeszyty Naukowe Uniwersytetu Ekonomicznego w Krakowie, seria Metody Analizy Danych, (w druku).

[26] Wróbel-Rotter R., (2013b), Estymowane modele równowagi ogólnej i autoregresja wektorowa. Aspekty teoretyczne, Przegląd Statystyczny, 60 (30), 359–380.

[27] Wróbel-Rotter R., (2013c), Estymowane modele równowagi ogólnej i wektorowa autoregresja: model hybrydowy, Bank i Kredyt, 44 (5), 533–570.

[28] Wróbel-Rotter R., (2013d), Hybrydowy model wektorowej autoregresji – analiza empiryczna funkcji odpowiedzi na zakłócenia strukturalne, manuskrypt niepublikowany.