BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Skrzypczyńska Marta (Szkoła Główna Handlowa w Warszawie)
Tytuł
Cykl koniunkturalny w Polsce - analiza sektorowa
Business Cycle in Poland - Sectoral Analysis
Źródło
Bank i Kredyt, 2013, nr 2, s. 175-205, aneks, bibliogr. 23 poz.
Słowa kluczowe
Wskaźniki sektorowe, Cykl koniunkturalny, Wahania koniunkturalne, Analiza sektorowa
Sectoral indicators, Business cycles, Business fluctuations, Sectorial analysis
Uwagi
streszcz., summ.
Abstrakt
W artykule omówiono cykl koniunkturalny w latach 1996-2012 na podstawie danych o aktywności gospodarczej różnych sektorów. Do tego celu wykorzystane zostały modele z przełączaniem typu Markowa, ze stałym oraz zmiennym w czasie prawdopodobieństwem przejścia pomiędzy fazami cyklu koniunkturalnego. Na podstawie dat w modelach ze stałym prawdopodobieństwem przejścia można wnioskować, że procesy cykliczne w Polsce charakteryzują się występowaniem dwóch dominujących cykli, trwających przeciętnie 3,5-4,5 roku oraz 5,5 roku do 6 lat. Są także zróżnicowane pod względem czasu trwania faz oraz amplitudy wahań. Modele ze zmiennym prawdopodobieństwem przejścia wskazują, że zależy ono od czasu trwania fazy cyklu oraz, w drugiej wersji, zmian wskaźnika wyprzedzającego. W pierwszym przypadku nie potwierdzono wzrostu prawdopodobieństwa przejścia do następnej fazy cyklu wraz z wydłużaniem się fazy bieżącej. W drugim przypadku wskaźnik wyprzedzający dobrze objaśnił prawdopodobieństwo przejścia i umożliwił prognozowanie zakończenia spowolnienia produkcji dóbr zaopatrzeniowych oraz ożywienia produkcji energii elektrycznej. (abstrakt oryginalny)

The article presents the business cycle in Poland since 1996 to January 2012 estimated on the basis of sectoral indicators of economic activity using fixed (FTP) and time-varying transition probabilities (TVTP) Markov switching models. The FTP model was used to obtain the business cycle dating. The cycles lasting 3.5-4.5 and 5.5-6 years are dominant. The Polish business cycle is asymmetric both in length and amplitude. In the TVTP model it was assumed that the transition probabilities could be duration- -dependent or vary over time together with the evolution of a composite leading indicator. 0In the first case, business cycle in Poland does not exibit duration dependence. In the second case, the composite leading indicator is statistically significant in explaining the changes of transition probabilities and can be useful for forecasting the end of slowdown and expansion of production of intermediate goods and electric power respectively. (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
Pełny tekst
Pokaż
Bibliografia
Pokaż
  1. Adamowicz E., Dudek S., Pachucki D., Walczyk K. (2008), Synchronizacja cyklu koniunkturalnego polskiej gospodarki z krajami strefy euro w kontekście struktury tych gospodarek, Szkoła Główna Handlowa, Warszawa.
  2. Albert J., Chib S. (1993), Bayesian inference via Gibbs sampling of autoregressive time series subject to Markov mean and variance shifts, Journal of Business and Economic Statistics, 11(1), 1-15.
  3. Dempster A.P., Laird N.M., Rubin D.B. (1977), Maximum likelihood estimation from incomplete data via EM algorithm, Journal of the Royal Statistical Society, Series B, 39(1), 1-38.
  4. Diebold F.X., Lee J.-H., Weinbach G. (1994), Regime switching with time-varying transition probabilities, w: C. Hargreaves (red.), Non-stationary time series analysis and cointegration, Oxford University Press, Oxford.
  5. Diebold F.X., Rudebusch G.D. (1996), Measuring business cycles: A modern perspective, The Review of Economics and Statistics, 78, 67-77.
  6. Diebold F.X., Rudebusch G.D., Sichel D. (1993), Further evidence on business-cycle duration dependence, w: J.H. Stock, M.W. Watson, Business cycles, indicators and forecasting, National Bureau of Economic Research Studies in Business Cycles, University of Chicago Press, Chicago.
  7. Durland J. M., McCurdy T.H. (1994), Duration-dependent transitions in a Markov model of U.S. GNP growth, Journal of Business & Economic Statistics, 12(3), 279-288.
  8. Fic T. (2007), Cykl koniunkturalny w Polsce. Wnioski z modeli Markowa, w: A. Welfe (red.), Metody ilościowe w naukach ekonomicznych. 7 Warsztaty doktorskie z zakresu ekonometrii i statystyki, Szkoła Główna Handlowa, Warszawa.
  9. Filardo A.J. (1994), Business-cycle phases and their transitional dynamics, Journal of Business & Economic Statistics, 12(3), 299-308.
  10. Filardo A.J., Gordon S.F. (1998), Business cycle durations, Journal of Econometrics, 85, 99-123.
  11. Gradzewicz M., Growiec J., Hagemejer J., Popowski P. (2010), Cykl koniunkturalny w Polsce - wnioski z analizy spektralnej, Bank i Kredyt, 41(5), 41-76.
  12. Hamilton J. (1989), A new approach to the economic analysis of nonstationary time series and the business cycle, Econometrica, 57, 357-384.
  13. Hamilton J. (1990), Analysis of time series subject to changes in regime, Journal of Econometrics, 45, 39-70.
  14. Hamilton J. (1994), Time series analysis, Princeton University Press, Princeton.
  15. Kębłowski P., Welfe A. (2004), The ADF-KPSS test of joint confirmation hypothesis of unit autoregressive root, Economics Letters, 85 (2), 257-263.
  16. Kim C.J. (1994), Dynamic linear models with Markov-switching, Journal of Econometrics, 60, 1-22.
  17. Kim C.J., Nelson Ch.R. (1999), State-space models with regime switching: classical and Gibbs-sampling approaches with applications, Massachusetts Institute of Technology, Cambridge.
  18. Kwiatkowski D.P., Phillips C.B., Schmidt P., Shin Y. (1992), Testing the null hypothesis of stationary against the alternative of a unit root, Journal of Econometrics, 54(1-3), 159-178.
  19. Layton A.P., Smith D.R. (2007), Business cycle dynamics with duration dependence and leading indicators, Journal of Macroeconomics, 29(6), 855-875.
  20. MacKinnon J.G. (1996), Numerical distribution functions for unit root and cointegration tests, Journal of Applied Econometrics, 11(6), 601-618.
  21. Skrzypczyńska M. (2011), Pomiar cyklu koniunkturalnego - analiza porównawcza, Bank i Kredyt, 42(4), 11-54.
  22. Skrzypczyński P. (2008), Wahania aktywności gospodarczej w Polsce i strefie euro, Materiały i Studia NBP, 227, Narodowy Bank Polski, Warszawa.
  23. Skrzypczyński P. (2010), Metody spektralne w analizie cyklu koniunkturalnego, Materiały i Studia NBP, 252, Narodowy Bank Polski, Warszawa.
Cytowane przez
Pokaż
ISSN
0137-5520
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu