Methods to Estimate Dynamic Stochastic General Equilibrium Models
| Autor: | Francisco J. Ruge-Murcia |
|---|---|
| Přispěvatelé: | Université de Montréal. Faculté des arts et des sciences. Département de sciences économiques |
| Jazyk: | angličtina |
| Rok vydání: | 2002 |
| Předmět: |
Economics and Econometrics
Control and Optimization DSGE models estimation methods Monte Carlo analysis singularity [JEL:E13] Macroeconomics and Monetary Economics - General Aggregative Models - Neoclassical Monte Carlo method Bayesian priors [JEL:C15] Mathematical and Quantitative Methods - Econometric and Statistical Methods: General - Statistical Simulation Methods Monte Carlo Methods Bootstrap Methods [JEL:C15] Mathématiques et méthodes quantitatives - Économétrie et méthodes statistiques généralités - Méthodes de simulation statistique: la méthode Monte Carlo estimation methods DSGE models Singularity Prior probability Dynamic stochastic general equilibrium Econometrics Applied mathematics DSGE models estimation methods Monte Carlo analysis stochastic singularity Bayesian priors DSGE models estimation methods Monte Carlo analysis stochastic sin- gularity Bayesian iors Mathematics Generalized method of moments Observational error méthodes d'estimation Applied Mathematics [JEL:C32] Mathématiques et méthodes quantitatives - Méthodes en économétrie modèles à équations multiples et simultanées - Modèles de séries chronologiques [JEL:C32] Mathematical and Quantitative Methods - Econometric Methods: Multiple Simultaneous Equation Models Multiple Variables Endogenous Regressors - Time-Series Models jel:C13 [JEL:C11] Mathématiques et méthodes quantitatives - Économétrie et méthodes statistiques généralités - Analyse bayésienne jel:C32 jel:C11 Method of simulated moments simulations de Monte-Carlo [JEL:C13] Mathématiques et méthodes quantitatives - Économétrie et méthodes statistiques généralités - Estimations cadre bayésien singularity modèles EGDS [JEL:E13] Macroéconomie et économie monétaire - Modèles généraux d'aggrégation - Macroéconomie néoclassique jel:E13 jel:C15 Simultaneous equations model stochastic sin- gularity [JEL:C13] Mathematical and Quantitative Methods - Econometric and Statistical Methods: General - Estimation [JEL:C11] Mathematical and Quantitative Methods - Econometric and Statistical Methods: General - Bayesian Analysis Monte Carlo analysis singularité stochastique |
| Zdroj: | Ruge-Murcia, Francisco J.(2002). Methods to Estimate Dynamic Stochastic General Equilibrium Models. Department of Economics, UCSD. UC San Diego: Department of Economics, UCSD. Retrieved from: http://www.escholarship.org/uc/item/4fc8x822 |
| Popis: | This paper employs the one-sector Real Business Cycle model as a testing ground for four different procedures to estimate Dynamic Stochastic General Equilibrium (DSGE) models. The procedures are: 1 ) Maximum Likelihood, with and without measurement errors and incorporating Bayesian priors, 2) Generalized Method of Moments, 3) Simulated Method of Moments, and 4) Indirect Inference. Monte Carlo analysis indicates that all procedures deliver reasonably good estimates under the null hypothesis. However, there are substantial differences in statistical and computational efficiency in the small samples currently available to estimate DSGE models. GMM and SMM appear to be more robust to misspecification than the alternative procedures. The implications of the stochastic singularity of DSGE models for each estimation method are fully discussed. Cet article utilise un modèle de cycles réels à un secteur pour tester la validité et l'efficacité de quatre procédures d'estimation des modèles d'équilibre général dynamique stochastique (EGDS): 1) estimation par maximum de vraisemblance avec ou sans erreur de mesure et en introduisant un cadre bayésien à l'aide de distributions a priori; 2) par méthode des moments généralisée; 3) par méthode des moments simulés; et enfin, 4) par inférence indirecte. Des simulations de Monte-Carlo montrent que toutes ces méthodes produisent des estimateurs généralement bons sous l'hypothèse nulle. Cependant, leurs efficacités statistiques et computationnelles diffèrent de façon substantielle, en particulier lorsque l'on se place dans de petits échantillons comme ceux généralement disponibles pour estimer ce type de modèle. Dans ce cas, les méthodes des moments semblent être les plus robustes à une mauvaise spécification du modèle. Enfin, nous discutons, de manière exhaustive, de l'implication de la singularité stochastique des modèles EGDS pour chaque méthode d'estimation. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|