Data-Driven Identification Constraints for DSGE Models

Näytä kaikki kuvailutiedot



Pysyväisosoite

http://hdl.handle.net/10138/233473

Lähdeviite

Lanne , M & Luoto , J P 2018 , ' Data-Driven Identification Constraints for DSGE Models ' , Oxford Bulletin of Economics and Statistics , vol. 80 , no. 2 , pp. 236-258 . https://doi.org/10.1111/obes.12217

Julkaisun nimi: Data-Driven Identification Constraints for DSGE Models
Tekijä: Lanne, Markku; Luoto, Jani Pentti
Tekijän organisaatio: Department of Political and Economic Studies (2010-2017)
Economics
Helsinki Center of Economic Research (HECER)
Financial and Macroeconometrics
HECER
Päiväys: 2018-04
Kieli: eng
Sivumäärä: 23
Kuuluu julkaisusarjaan: Oxford Bulletin of Economics and Statistics
ISSN: 0305-9049
DOI-tunniste: https://doi.org/10.1111/obes.12217
URI: http://hdl.handle.net/10138/233473
Tiivistelmä: We propose imposing data-driven identification constraints to alleviate the multimodality problem arising in the estimation of poorly identified dynamic stochastic general equilibrium models under non-informative prior distributions. We also devise an iterative procedure based on the posterior density of the parameters for finding these constraints. An empirical application to the Smets and Wouters () model demonstrates the properties of the estimation method, and shows how the problem of multimodal posterior distributions caused by parameter redundancy is eliminated by identification constraints. Out-of-sample forecast comparisons as well as Bayes factors lend support to the constrained model.
Avainsanat: 511 Economics
MONTE-CARLO METHODS
SCORING RULES
PREDICTION
SIMULATION
INFERENCE
POSTERIOR
Vertaisarvioitu: Kyllä
Tekijänoikeustiedot: cc_by
Pääsyrajoitteet: openAccess
Rinnakkaistallennettu versio: publishedVersion


Tiedostot

Latausmäärä yhteensä: Ladataan...

Tiedosto(t) Koko Formaatti Näytä
epdf.htm 23.18KB HTML Avaa tiedosto

Viite kuuluu kokoelmiin:

Näytä kaikki kuvailutiedot