...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of Economic Dynamics and Control >Business Cycle Analysis And Varma Models
【24h】

Business Cycle Analysis And Varma Models

机译：商业周期分析和Varma模型

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Can long-run identified structural vector autoregressions (SVARs) discriminate between competing models in practice? Several authors have suggested SVARs fail partly because they are finite-order approximations to infinite-order processes. We estimate vector autoregressive moving average (VARMA) and state space models, which are not misspecified, using simulated data and compare true with estimated impulse responses of hours worked to a technology shock. We find few gains from using VARMA models. However, state space algorithms can outperform SVARs. In particular, the CCA subspace method consistently yields lower mean squared errors, although even these estimates remain too imprecise for reliable inference. The qualitative differences for algorithms based on different representations are small. The comparison with estimation methods without specification error suggests that the main problem is not one of working with a VAR approximation. The properties of the processes used in the literature make identification via long-run restrictions difficult for any method.
机译：在实践中，长期确定的结构矢量自回归（SVAR）可以区分竞争模型吗？几位作者认为，SVAR之所以会失败，部分原因是它们是对无穷阶过程的有限阶近似。我们使用模拟数据估计矢量自回归移动平均值（VARMA）和状态空间模型（未指定错误），并将真实值与估计的工作小时对技术冲击的脉冲响应进行比较。我们发现使用VARMA模型没有什么好处。但是，状态空间算法可以胜过SVAR。特别是，CCA子空间方法始终产生较低的均方误差，即使对于可靠的推论，即使这些估计仍然太不精确。基于不同表示形式的算法在质量上的差异很小。与没有指定误差的估计方法的比较表明，主要问题不是使用VAR近似的问题之一。文献中使用的过程的属性使得通过长期限制进行识别对于任何方法都是困难的。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号