BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Wróbel-Rotter Renata (Uniwersytet Ekonomiczny w Krakowie / Wydział Zarządzania)
Tytuł
Empiryczne modele równowagi ogólnej : zagadnienia numeryczne estymacji bayesowskiej
Empirical General Equilibrium Models : Numerical Issues of the Bayesian Estimation
Źródło
Zeszyty Naukowe / Uniwersytet Ekonomiczny w Krakowie, 2012, nr 878, s. 143-162, rys., bibliogr. 29 poz.
Cracow Review of Economics and Management
Słowa kluczowe
Równowaga ogólna, Obliczeniowy model równowagi ogólnej, Estymacja bayesowska, Algorytmy numeryczne
General equilibrium, Computable General Equilibrium model (CGE), Bayesian estimation, Numeric algorithms
Uwagi
summ.
Abstrakt
W artykule przedstawiono zagadnienia związane z numeryczną realizacją estymacji bayesowskiej empirycznych modeli równowagi ogólnej. Estymacja parametrów strukturalnych wymaga implementacji złożonych metod numerycznych, służących maksymalizacji funkcji wiarygodności, albo technik Monte Carlo do aproksymacji charakterystyk rozkładu a posteriori w przypadku wnioskowania bayesowskiego. Obszerna literatura dotycząca estymowanych modeli równowagi ogólnej najczęściej ogranicza się do przedstawienia założeń postaci strukturalnej oraz prezentacji wyników empirycznych, pomijając szczegóły estymacji, technik numerycznych i badania potencjalnego ich wpływu na stabilność rezultatów. Prezentacja oraz ilustracja technik oceny zbieżności metod numerycznych stosowanych do aproksymacji modalnej rozkładu a posteriori oraz monitorowania zbieżności algorytmu Metropolisa i Hastingsa do rozkładu stacjonarnego wydaje się uzupełniać prezentowane analizy. (abstrakt autora)

The paper presents numerical issues related to the estimation of dynamic general equilibrium models with Bayesian techniques. As an illustrative example, a simple New-Keynesian model with nominal rigidities in price and wage settings is taken from the literature. Estimating structural parameters requires the application of numerical methods - optimization algorithms for maximum likelihood and Monte Carlo techniques for the Bayesian estimation of the Markov Chain. A broad literature that treats the estimation of dynamic macroeconomic models rarely presents any aspects of the numerical side of applications and its potential impact on results and inference. The paper concentrates on the issue of convergence criteria of the Markov Chain Monte Carlo techniques and the methods of monitoring parameter stability.(original abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka Szkoły Głównej Handlowej
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu
Bibliografia
Pokaż
  1. Adolfson M., Laseén S., Lindé J., Villani M. [2005], Bayesian Estimation of an Open Economy DSGE Model with Incomplete Pass-through, Sveriges Riksbank, Working Paper Series 15.
  2. An S., Schorfheide F. [2007], Bayesian Analysis of DSGE Models, "Econometric Review", vol. 26.
  3. Anderson G.S., Moore G. [1985], A Linear Algebraic Procedure for Solving Linear Perfect Foresight Models, "Economic Letters", vol. 17.
  4. Aruoba S.B., Fernández-Villaverde J., Rubio-Ramírez J.F. [2006], Comparing Solution Methods for Dynamic Equilibrium Economies, "Journal of Economic Dynamics and Control", vol. 30(12).
  5. Blanchard O.J., Kahn C.M. [1980], The Solution of Linear Difference Models Under Linear Expectations, "Econometrica", vol. 48.
  6. Brooks S.P., Gelman A. [1998], General Methods for Monitoring Convergence of Iterative Simulations, mcmcdiag.m "Journal of Computational and Graphical Statistics", vol. 7.
  7. Collard F., Juillard M. [2000], Accuracy of Stochastic Perturbation Methods: The Case of Asset Pricing Models, CEPREMAP, manuscript.
  8. DeJong D.N., Ingram B.F., Whiteman C.H. [2000], A Bayesian Approach to Dynamic Macroeconomic, "Journal of Econometrics", vol. 98.
  9. Erceg C.J., Henderson D.W., Levin A.T. [2000], Optimal Monetary Policy with Staggered Wage and Price Contracts, "Journal of Monetary Economics", vol. 46.
  10. Fernández-Villaverde J., Rubio-Ramírez J.F. [2005), Estimating Dynamic Equilibrium Economies: Linear versus Nonlinear Likelihood, "Journal of Applied Econometrics", vol. 20.
  11. Fernández-Villaverde J., Rubio-Ramírez J.F. [2006a], Estimating Macroeconomic Models: A Likelihood Approach, manuscript, University of Pennsylvania, NBER, CEPR i Federal Reserve Bank of Atlanta.
  12. Fernández-Villaverde J., Rubio-Ramírez J. F. [2006b], Solving DSGE Models with Perturbation Methods and a Change of Variables, "Journal of Economic Dynamics & Control", vol. 30, w druku.
  13. Gamerman D. [1997], Markov Chain Monte Carlo. Stochastic Simulation for Bayesian Inference, Chapman and Hall, London.
  14. Geweke J. [1992], Evaluating the Accuracy of Sampling - Based Approaches to the Calculation of Posterior Moments [w:] Bayesian Statistics 4, J.M. Bernardo, J.O. Berger, A.P. Dawid, A.F.M. Smith (eds), Oxford University Press, Oxford.
  15. Gong G., Semmler W. [2004], Stochastic Dynamic Macroeconomics: Theory, Numerics and Empirical Evidence, manuscript.
  16. Hamilton J. D. [1994], Time Series Analysis, Princeton University Press, Princeton, New Jersey.
  17. Juillard M. [1996], Dynare: A Program for the Resolution and Simulation of Dynamic Models with Forward Variables Through the Use of a Relaxation Algorithm, CEPREMAP, Couverture Orange, 9602, http://www.cepremap.cnrs.fr/dynare.
  18. Juillard M. [2003], Solving Stochastic Dynamie Equilibrium Models: A k-order Perturbation Approach, CEPREMAP i University Paris 8, manuscript.
  19. O'Hagan A. [1994], Bayesian Inference, Edward Arnold, London.
  20. Osiewalski J. [1991], Bayesowska estymacja i predykcja dla jednorównaniowych modeli ekonometrycznych, Zeszyty Naukowe AE w Krakowie, Seria specjalna: Monografie, nr 100, Wydawnictwo AE w Krakowie, Kraków.
  21. Ratto M., Röger W., in't Veld J., Girardi R. [2005], An Estimated New-Keynesian Dynamic Stochastic General Equilibrium Model of the Euro Area, European Commission Economic Paper 220.
  22. Sims C.A. [1999], Matlab Optimization Software, Quantitative Macroeconomics & Real Business Cycles, QM&RBC Codes 13, http://dge.repec.org/codes/sims/optimize.
  23. Sims C.A. [2001], Matlab Code for Solving Linear Rational Expectations Models, Quantitative Macroeconomics & Real Business Cycles, QM&RBC Codes 11, http://dge.repec.org/codes/sims/1inre3a/.
  24. Smets F., Wouters R. [2007], Shocks and Frictions in US Business Cycles: A Bayesian DSGE Approach, European Bank Working Paper 722.
  25. Uhlig H. [1999], A Toolkit for Analyzing Nonlinear Dynamic Stochastic Models Easily [w:] Computational Methods for the Study of Dynamic Economies, R. Marimón i A. Scott (eds), Oxford University Press, Oxford.
  26. Wróbel-Rotter R. [2011a], Empiryczne modele równowagi ogólnej: gospodarstwa domowe i producent finalny, Zeszyty Naukowe Uniwersytetu Ekonomicznego w Krakowie, seria Ekonomia, nr 869.
  27. Wróbel-Rotter R. [2011b], Sektor producentów pośrednich w empirycznym modelu równowagi ogólnej, Zeszyty Naukowe Uniwersytetu Ekonomicznego w Krakowie, seria Ekonomia, nr 872.
  28. Wróbel-Rotter R. [2012], Struktura empirycznego modelu równowagi ogólnej dla niejednorodnych gospodarstw domowych, Zeszyty Naukowe Uniwersytetu Ekonomicznego w Krakowie, seria Ekonomia, nr 879, w druku.
  29. Zellner A. [1971], An Introduction to Bayesian Inference in Econometrics,]. Wiley, New York.
Cytowane przez
Pokaż
ISSN
1898-6447
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu