Wspólne czynniki stochastyczne i ich interpretacja ekonomiczna
DOI:
https://doi.org/10.26485/SPE/2023/126/6Słowa kluczowe:
kointegracja, współautoskorelowanie, równowaga i mechanizmy dostosowawcze, szoki.Abstrakt
Przedmiot badań: Analiza kointegracyjna jest znana w literaturze od blisko 40 lat. Nieco mniej miejsca poświęca się innymi wspólnym czynnikom wytrącającym kategorie ekonomiczne ze stanu równowagi. W szczególności interesujące jest spojrzenie, w jakim stopniu wspomniane badania są względem siebie alternatywne, a w jakim komplementarne. Jakie warunki muszą być spełnione, aby podjęcie odpowiedniej analizy (kointegracyjnej, współcykliczności, współautoskorelowania czy innych, rzadziej stosowanych) było celowe.
Cel badań: W oczywisty sposób wybór rodzaju analizy wspólnych czynników (niekoniecznie) dominujących czy wynikającej z tego analizy współprzesunięć zależy od wyboru horyzontu analizy (długo-, średnio- czy krótkookresowej). Z drugiej strony rzetelne badanie nie powinno a priori pomijać żadnej z tych perspektyw. Starano się dowieść, że kluczową rolę odgrywają tu zredukowane rzędy najważniejszych macierzy, występujących w odpowiednich reprezentacjach VAR lub ich izomorficznych reprezentacjach. Innym celem badawczym było wykazanie, że wspomniane analizy współprzesunięć stochastycznych są w dużej mierze komplementarne względem siebie.
Metoda badawcza: Wybór metody badawczej wynikał z postawionej tezy. Wielowymiarowa ekonometria dynamiczna oparta na modelach VAR pozwoliła dostarczyć narzędzi służących porównaniu różnych metod analizy wspólnych czynników.
Wyniki: Rozpatrzone i zinterpretowane ekonomicznie zostały możliwe kombinacje pełnych i zredukowanych rzędów macierzy kointegrującej oraz macierzy związków średnio- i długookresowych. Ukazane zostały powiązania pomiędzy tymi macierzami. Rozrysowany został iteracyjny mechanizm powrotu systemu do równowagi. Potwierdzono, że rozważane analizy wspólnych czynników dominujących są w dużej mierze uzupełniające względem siebie, choć w znacznym stopniu wynika to z ograniczenia się (ze względu na przyjęte limity objętości) do dziedziny czasu oraz czynników stochastycznych. Rozszerzenie analizy o np. kointegrację sezonową czy współtrendowość deterministyczną z pewnością pozwoliłoby pokazać elementy substytucyjne. Przykładowo, analiza kointegracyjna w relatywnie ograniczonym horyzoncie czasowym może być alternatywą współtrendowości (trend stochastyczny wygasa dopiero w bardzo długiej perspektywie), również analiza uwzględniająca proces o wyższym stopniu zintegrowania mogłaby być alternatywą kointegracji sezonowej.
##plugins.generic.usageStats.downloads##
Bibliografia
Banerjee A., Dolado J.J., Galbraith J.W., Hendry D.F., Co-integration, Error Correction and the Econometric Analysis of Non-stationary Data, Oxford University Press, Oxford 1993.
Beveridge S., Nelson Ch., A new approach to decomposition of economic time series into permanent and transitory components with particular attention to measurement of the ‘business cycle’, North–Holland Publishing Company, Journal of Monetary Economics 1981/7/, pp. 151–174.
Cubadda G., Common Serial Correlation and Common Business Cycles: A Caution Note, Empirical Economics 1999/24/3, pp. 529–535.
Engle R.F., Granger C.W.J., Cointegration and Error Correction: Representation, Estimation and Testing, Econometrica 1987/55, pp. 251–276.
Engle R.F., Kozicki S., Testing for Common Features, Journal of Business & Economic Statistics 1993/11/4, pp. 369–380.
Gregoir S., Laroque G., Multivariate Time Series: A Polynomial Error Correction Representation Theorem, Econometric Theory 1993/9/3, pp. 329–342.
Hamilton J.D., Time Series Analysis, Princeton University Press, Princeton 1994.
Hecq A., Palm F., Urbain J.-P., Common Cyclical Features Analysis in VAR Models with Cointegration, Journal of Econometrics 2006/132 (1), pp. 117–141.
Hecq A., Palm F., Urbain J.-P., Separation, Weak Exogeneity, and P–T Decomposition in Cointegrated VAR Systems with Common Features, Econometric Reviews 2002/21 (3), pp. 273–307.
Johansen S., Likelihood-Based Inference in Cointegrated Vector Autoregressive Models, Oxford University Press, Oxford 1995.
Johansen S., Statistical Analysis of Cointegration Vectors, Journal of Economic Dynamics and Control 1988/12, pp. 231–254.
Juselius K., Cointegrated VAR Model. Methodology and Applications, Oxford University Press, Oxford 2006.
Majsterek M., Cointegration Analysis in the Case of I(2) – General Overview, Central European Journal of Economic Modelling and Econometrics 2012/4/4, pp. 215–252.
Majsterek M., Zasoby i strumienie w kontekście analizy kointegracyjnej, Studia Prawno-Ekonomiczne 2020/CXIV, pp. 273–293.
Paruolo P., Common Trends and Cycles in I(2) VAR Systems, Journal of Econometrics 2006/132, pp. 143–168.
Stock J.H., Asymptotic Properties of Least-Squares Estimators of Co-integrating Vectors, Econometrica 1987/55, pp. 1035–1056.
Vahid F., Engle R.F., Common Trends and Common Cycles, Journal of Applied Econometrics 1993/8/4, pp. 341–360.
Wróblewska J., Analiza modelu realnego cyklu koniunkturalnego z wykorzystaniem bayesowskich modeli typu VEC, Przegląd Statystyczny 2017/LXIV/4, pp. 357–372.
Wróblewska J., Bayesian Analysis of Weak Form Polynomial Reduced Rank Structures in VEC Models, Central European Journal of Economic Modelling and Econometrics 2012/4/4, pp. 253–267.
