BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Poměnková Jitka (Mendel University of Agriculture and Forestry Brno, Czech Republic), Kapounek Svatopluk (Mendel University of Agriculture and Forestry Brno, Czech Republic)
Tytuł
Hypothesis Testing in the Case of Insufficient Observations - Identification of Own Critical Values
Testowanie hipotez w warunkach niepełnej informacji - identyfikacja własnych wartości krytycznych
Źródło
Acta Universitatis Lodziensis. Folia Oeconomica, 2008, t. 223, s. 29-46, wykr., tab., bibliogr. 18 poz.
Tytuł własny numeru
Macroeconomic and Regional Aspects of the European Integration
Słowa kluczowe
Symulacja Monte Carlo, Analiza szeregów czasowych, Stopa procentowa
Monte Carlo simulation, Time-series analysis, Interest rate
Uwagi
summ., streszcz.
Kraj/Region
Czechy
Czech Republic
Abstrakt
Transformacja gospodarcza w Europie Centralnej i Wschodniej oraz procesy towarzyszące integracji europejskiej stanowią istotne źródła przemian strukturalnych tych gospodarek, z drugiej jednak strony powodują, że szeregi czasowe są zbyt krótkie. Co za tym idzie, przeprowadzając badania empiryczne dotyczące gospodarek unijnych borykamy się ze problemami związanymi ze zbyt krótkimi szeregami czasowymi. W konsekwencji, modelowanie na podstawie szeregów czasowych i obciążoność wyników analiz ekonometrycznych przeprowadzanych dla europejskich makroekonomicznych szeregów czasowych są utrudnione ze względu na długość próby. Liczba obserwacji odgrywa bowiem znaczenie nie tylko dla klasycznego modelowania szeregów czasowych i prognozowania w oparciu o nie. ale także - a może przede wszystkim - dla weryfikacji teoretycznych założeń. Stąd metody ilościowe, stosowane zazwyczaj do testowania hipotez, w przypadku niewystarczającej liczby obserwacji są często uzupełniane poprzez analizę jakościową, która jednak wnosi pewną dozę. subiektywizmu. Jednym z czynników oddziałujących na stabilność testowania jest wielkość próby. Dla dużych prób estymatory są zwykle asymptotyczne i wykazują dość dobrą stabilność. Z drugiej strony, jeśli próba jest mała (mniej niż 30 obserwacji) stabilność testów statystycznych jest niska. Co więcej, dla małych prób prawdopodobieństwo błędnego odrzucenia hipotezy zerowej, określane jako błąd I rodzaju, bywa wysokie. Innymi słowy, niedostateczna moc testu ogranicza możliwości zastosowania metod ekonometrycznych dla krótkich szeregów czasowych obejmujących dane makroekonomiczne. Jedną z możliwości rozwiązania tego problemu jest zastosowanie symulacji Monte Carlo i ustalenie własnych wartości krytycznych. Wartości krytyczne zostają zidentyfikowane na bazie symulacji przeprowadzonych na szeregach czasowych o odpowiedniej długości. Autorzy zastosowali tę metodologię tylko dla potrzeb analizy makroekonomicznych szeregów czasowych (uwzględniając kointegrację) bez dalszych ograniczeń w ich zastosowaniu. Bazowym założeniem analizy jest odporność hipotezy o stacjonarności szeregów czasowych. Metodologia zaprezentowana i opisana w tej pracy zastosowana została do określenia związków przyczynowo-skutkowych pomiędzy międzybankową stopą procentową a wybranymi stopami oprocentowania w bankowości detalicznej w Czechach. (abstrakt oryginalny)

Economic transformation of the Central and Eastern European Countries and ongoing process of the European integration are important sources of structural changes in the concerned economies and therefore shorten available time series. Similarly, empirical studies focused on the economies in the European Union wrestle with short time series. Consequently, time series modelling and results robustness of econometric analysis used for European macroeconomic time series are limited by the sample size. Number of observations is important not only for the basic time series modelling and subsequent forecasting, but especially for the verification of theoretical assumptions. Thus, quantitative methods usually used for hypothesis testing are in the case of insufficient observations often completed by qualitative analysis which encompass certain amount of subjectivity. One of the factors influencing the stability of statistical hypothesis tests is the sample size. For large samples estimates behave usually asymptotically and have quite good stability. On the other hand, if the sample size is small (i.e. less then 30) the stability of statistical tests is lower. Moreover, for small samples the probability of wrongly rejected null hypothesis, so-called Type I Error, is even higher. In other words, inadequate power of a statistical hypothesis test determinates the possible application of econometric methods on short macroeconomic time series. One of the possible solutions is the usage of a Monte Carlo simulation and detection of own critical values. Critical values are identified on the base of simulation of time series with suitable length with respect to the predefined model. The authors have applied this methodology only on the analysis of macroeconomic time series regression (using cointegration) without any further limitation in its usage. The basic assumption of the analysis is the robustness of the hypothesis test about time series stationarity. However, the Dickey-Fuller test applied on short time series leads to wrong rejection of the hypothesis about stationarity and thus rejects the existence of real regression and wrongly rejects the hypothesis about spurious regression. Methodology presented and described in this paper is demonstrated on the causality between interbanking interest rates and selected retail banking interest rates in the Czech Republic. (original abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka Szkoły Głównej Handlowej w Warszawie
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu
Bibliografia
Pokaż
  1. Arlt J., Moderní metody modelování ekonomických časových řad, Grada Publishing Praha, 1999, p. 312,
  2. Calza A., J. Sousa, Output and inflation responses to credit shocks. Are there threshold effect in the euro area? European Central Bank: Working Paper No.481. April 2005
  3. ČNB, Transmisní mechanismus měnové politiky. [cit. 10.4.2007]
  4. Enders W., Applied Econometric Time Series, USA, pp. 175-194
  5. Garnier J., B.R. Wilhelmsen, The natural real interest rate and the output gap in the euro area. A joint Estimation, European Central Bank: Working Paper No. 546. November 2005
  6. Hebák P., J. Hustopecký, E. Jarošová, I. Pecáková, Vicerozměrné statistické metody (1), Informatoriurn, Praha 2004, p. 231
  7. Hušek R., Ekonometrická analýza, Ekopress, Praha 1999, pp. 168-195
  8. Jílek J., Peníze a měnová politika, Grada Publishing Praha. 2004. pp. 305-424
  9. Kapounek S., J. Poměnková, Economic growth and single monetary policy of the European Central Bank, Mezinárodni védecká konference BICABR 2006. Provozně ekonomická fakulta MZLU v Brně, Brno 2006, p. 86
  10. Mach M., Makroekonomie. Pokročilejší analýza. 3.část. Slaný, Melandrium, 2004, p. 27-29
  11. Mojon B., G. Peersman, A VAR description of the effects of monetary policy in the individual countries of the euro area, [in:] I. Angeloni, A.K. Kashyap, B. Mojon, Monetary Policy Transmission in the Euro Area. A study by the Eurosystem Monetary Transmission Network. Cambridge University Press, Cambridge 2003, pp. 56-74
  12. Peersman G., F. Smets, The monetary transmission mechanism in the euro area: evidence from VAR analysis, [in:] I. Angeloni, A.K. Kashyap, B. Mojon, Monetary Policy Transmission in the Euro Area. A study by the Eurosystem Monetary Transmission Network. Cambridge University Press, Cambridge 2003, pp. 36-55
  13. Prutenau A., The Role of Banks in the Czech Monetary Policy Transmission Mechanism, ČNB working paper 3/2004
  14. Revenda Z., Centrální bankovnictví, Management Press Praha, 2001, pp. 219-240
  15. Sedigghi H. R., K. A. Lawler, A. V. Katos, Econometrics. A practical approach, New York 2000, pp. 262-287
  16. Sousa J., A. Zagnihi, Monetary policy shocks in the euro area and global liquidity spill-overs, European Central Bank: Working Paper No. 309, February 2004
  17. Van Els P. et al., Monetary Plicy Transmission in The Euro Area: What Do Aggregate and National Structural Models Tell Us?, European Central Bank: Working Paper No. 94, December 2001
  18. Van Els P. et al.. The effects of monetary policy in the euro area: evidence from Structural macroeconomic models, [in:] I. Angeloni, A. K. Kashyap. B. Mojon, Monetary Policy Transmission in the Euro Area. A study by the Eurosystem Monetary Transmission Network. Cambridge University Press, Cambridge 2003, pp. 91-106
Cytowane przez
Pokaż
ISSN
0208-6018
Język
eng
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu