کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5095662 1376477 2017 16 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Estimating smooth structural change in cointegration models
ترجمه فارسی عنوان
برآورد تغییر ساختاری صاف در مدل های هم اندیشی
کلمات کلیدی
ترجمه چکیده
در این مقاله مدلهای هم اندیشی غیرخطی را مورد بررسی قرار می دهیم که ضرایب ساختاری می توانند در طول زمان با هم هماهنگ شوند و توابع ضریب متغیر زمان را با استفاده از روش های غیر پارامتری تخمینی مقایسه می کنند. نشان داده شده است که روش های معمول یابی تخمینی تخمینی در این حالت به طور کامل در زمانی که ضریب عملکرد چند متغیره است، کاملا تخریب می شود. دلیل این شکست، یک انحراف ناشی از هسته در ماتریس سیگنال وزنی همراه با رگولاتورهای غیر ثابت، یک پدیده جدید در ادبیات رگرسیون هسته است. بعضی از تکنیک های جدید برای رفع انحطاط و حل کردن آستانه شناسی ها، با استفاده از یک تغییر مختصات محلی وابسته به مسیر، جهت هماهنگی مجدد و جابجایی زودرس، بوجود آمده است. تئوری تکاملی حاصل اساسا با ادبیات هسته موجود متفاوت است و دو توزیع حد مجاز با نرخ همگرایی متفاوت در جهت های مختلف فضای پارامتر (عملکردی) ارائه می دهد. هر دو نرخ سریعتر از نرخ معمول ریشه برای مدلهای غیر خطی با ضریب تغییر شکل و استقرار موضعی است. علاوه بر این، روشهای خطی محلی برای کاهش تعصب آسیمپتوسی استفاده شده است و یک روش رگرسیون هسته کاملا اصلاح شده برای مقابله با حالت غلطی غالبا درونی درونی ارائه شده است که باعث توجیه توابع متغیر زمان می شود. خواص نمونه محدودی از روش ها و تئوری محدودیت در شبیه سازی ها مورد بررسی قرار می گیرد. یک برنامه تجربی مختصر برای داده های اقتصاد کلان نشان می دهد که یک رگرسیون هم انداز خطی رد می شود ولی برای تقسیم چندجملهای جایگزین برای ضرایب متغیر زمان در رگرسیون، حمایت می شود.
موضوعات مرتبط
مهندسی و علوم پایه ریاضیات آمار و احتمال
پیش نمایش مقاله
برآورد تغییر ساختاری صاف در مدل های هم اندیشی
چکیده انگلیسی
This paper studies nonlinear cointegration models in which the structural coefficients may evolve smoothly over time, and considers time-varying coefficient functions estimated by nonparametric kernel methods. It is shown that the usual asymptotic methods of kernel estimation completely break down in this setting when the functional coefficients are multivariate. The reason for this breakdown is a kernel-induced degeneracy in the weighted signal matrix associated with the nonstationary regressors, a new phenomenon in the kernel regression literature. Some new techniques are developed to address the degeneracy and resolve the asymptotics, using a path-dependent local coordinate transformation to re-orient coordinates and accommodate the degeneracy. The resulting asymptotic theory is fundamentally different from the existing kernel literature, giving two different limit distributions with different convergence rates in the different directions of the (functional) parameter space. Both rates are faster than the usual root-nh rate for nonlinear models with smoothly changing coefficients and local stationarity. In addition, local linear methods are used to reduce asymptotic bias and a fully modified kernel regression method is proposed to deal with the general endogenous nonstationary regressor case, which facilitates inference on the time varying functions. The finite sample properties of the methods and limit theory are explored in simulations. A brief empirical application to macroeconomic data shows that a linear cointegrating regression is rejected but finds support for alternative polynomial approximations for the time-varying coefficients in the regression.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Econometrics - Volume 196, Issue 1, January 2017, Pages 180-195
نویسندگان
, , ,