Record Details

IDENTIFICATION OF THE UNOBSERVABLE COMPONENTS IN THE OUTPUT TRAJECTORY: POTENTIAL LEVEL AND GAPS

Voprosy statistiki

View Archive Info
 
 
Field Value
 
Title IDENTIFICATION OF THE UNOBSERVABLE COMPONENTS IN THE OUTPUT TRAJECTORY: POTENTIAL LEVEL AND GAPS
ПРАКТИКА ИДЕНТИФИКАЦИИ НЕНАБЛЮДАЕМЫХ КОМПОНЕНТ В ТРАЕКТОРИИ ВВП: ПОТЕНЦИАЛЬНЫЙ УРОВЕНЬ И КРАТКОСРОЧНЫЕ РАЗРЫВЫ
 
Creator Ludmila Kitrar ; National Research University Higher School of Economics
Tamara Lipkind ; National Research University Higher School of Economics
Georgy Ostapkovich ; National Research University Higher School of Economics
Dmitry Chusovlyanov ; National Research University Higher School of Economics
Людмила Китрар Анатольевна; НИУ ВШЭ
Тамара Липкинд Михайловна; НИУ ВШЭ
Георгий Остапкович Владимирович; НИУ ВШЭ
Дмитрий Чусовлянов Сергеевич; НИУ ВШЭ
 
Subject конъюнктурный мониторинг; бизнес-циклы; потенциальный выпуск; разрыв ВВП; business tendencies monitoring; business cycles; potential output; output gap
 
Description He authors systematize the most well-known concepts and definitions of potential output and gaps according to the various economic schools approaches. The article also provides a typology of basic econometric methods for estimating potential level and output gap in the national gross product dynamics. The authors give a brief description of various econometric methods of statistical decomposition of the Gross Value Added dynamics for long -term potential level and short-term deviation - from simple statistical filtering to complex dynamic stochastic general equilibrium models. In particular, they describe properties of one -dimensional filters, which are based on statistical evaluation of interrelations only in the output dynamics, with decomposing long-term level by probabilistic methods without taking into account any settings of economic theory. Also, authors examine advantages and disadvantages of multi-dimensional and structural methods for estimating potential levels and output gaps, which allow considering the economic interrelations through inclusion of additional relevant variables. These include multidimensional Hodrick-Prescott filter, multivariate models with unobserved components, structural vector autoregression models, and stochastic dynamic general equilibrium model. The analysis of decomposition methods and numerous studies devoted to this problem lead to conclusion that decomposition of time series for long-term and cyclical components is not a trivial task, which may have a unique solution. Many of decomposition methods are sensitive to input data, including presence of additional parameters in the model, therefore more complex algorithms may show poorer results than algorithms based on statistical analysis, without taking into account an economic nature of investigated series. The results of the research substantiated the assumption that finding the best decomposition method in various countries is possible only through empirical studies.
В статье систематизированы наиболее известные концепции и определения потенциального выпуска и его разрывов согласно исследованиям различных экономических школ, а также рассмотрена типология основных эконометрических методов оценивания потенциального уровня и разрыва выпуска в динамике ВВП. Авторы дают краткую характеристику механизма действия и возможностей использования различных эконометрических методов, позволяющих проводить статистическую декомпозицию динамики валовой добавленной стоимости с разложением на долгосрочный потенциальный уровень и краткосрочные отклонения - от простой статистической фильтрации до сложных динамических стохастических моделей общего равновесия. В частности, описаны свойства одномерных статистических фильтров, в основе которых лежит статистическое оценивание взаимосвязи только в динамике ВВП, в которой вероятностным отбором декомпозируется долгосрочный уровень без учета каких-либо установок экономической теории. Также анализируются достоинства и недостатки многомерных и структурных методов оценивания потенциального уровня и разрыва ВВП, позволяющих учитывать экономические взаимосвязи посредством включения релевантных дополнительных переменных. В их числе особое внимание уделяется многомерному фильтру Ходрика-Прескотта, а также многомерным моделям с ненаблюдаемыми компонентами, структурным векторным авторегрессионным моделям, производственным функциям, стохастическим динамическим моделям общего равновесия. Проведенный анализ методов декомпозиции и посвященных этой проблеме многочисленных исследований позволяет сделать вывод о том, что процесс декомпозиции ряда на долгосрочную и циклическую компоненты не является тривиальной задачей, имеющей однозначное решение. Многие методы чувствительны к входным данным, в том числе к наличию дополнительных параметров в модели, поэтому более сложные с экономической точки зрения алгоритмы могут показывать худшие результаты, чем алгоритмы на базе статистического анализа, не учитывающие экономическую природу исследуемых рядов. Результаты исследования подтвердили предположение о том, что поиск оптимального метода декомпозиции в различных странах возможен только опытным путем в ходе эмпирических исследований.
 
Publisher Information and publishing center "Statistics of Russia"
 
Date 2016-12-12
 
Type info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
—
 
Format application/pdf
 
Identifier http://voprstat.elpub.ru/jour/article/view/271
 
Source Voprosy statistiki; № 10 (2015); 14-25
Вопросы статистики; № 10 (2015); 14-25
2313-6383
 
Language rus
 
Relation http://voprstat.elpub.ru/jour/article/view/271/272
Brunner K., Meltzer A.H. Stabilization policies and labor markets // Carnegie-Rochester Conference Series on Public Policy. 1988. Vol. 28. P. 1-8.
Romer D. Advanced macroeconomics. The McGraw-Hill Companies, Inc. 1996.
Razin A. Aggregate supply and potential output. NBER Working Paper No. 10294. 2004. URL: http://www. nber.org/papers/w10294.pdf.
Hauptmeier S., Heipertz M. and Schuknecht L. Expenditure reform in industrialised countries: A case study approach. ECB Working Paper No. 634. 2006.
Beveridge S., Nelson Ch.R. A new approach to the decomposition of economic time series into permanent and transitory components with particular attention to measurement of the business cycle // Journal of Monetary Economics. 1981. No. 7. Р. 151-174. URL: http ://www.uh.edu/~cmurray/courses/econ_7395/ Beveridge%20Nelson.pdf.
Baxter M., R.G. King. Measuring business cycles: approximate band-pass filters for economic time series // Review of Economic and Statistics. 1999. Vol. 81. No. 4. P. 575-593.
Christiano L.J., Fitzgerald T.J. The band pass filter. NBER Working Paper No. 7257. 1999.
Hodrick R., Prescott E., Postwar U.S. Business cycles: an empirical investigation // Journal of money, credit and banking. 1997. Vol. 29. No. 1. Р 1-16.
Cotis J.P., Elmeskov J., Mourougane A. Estimates of potential output: Benefits and pitfalls from a policy perspective / Reichlin L. (ed.). The Euro area business cycle: stylized facts and measurement issues. London. 2004. P. 35-60.
Vetlov I., Hledic T., Jonsson M., Kucsera H., Pisani M. Potential output in DSGE models. ECB Working Paper No. 1351. 2011.
Blanchard O.J., Quah D. The dynamic effects of aggregate demand and supply disturbances // The American Economic Review. 1989. Vol. 79. No. 4. Р 655-673. URL: http://www.jstor.org/stable/pdfplus/1827924.pdf.
Nilsson R., Gyomai G. Cycle extraction: a comparison of the PAT method, the Hodrick-Prescott and Christiano-Fitzgerald filters. OECD. 2011. URL: http://www.oecd. org/std/leading-indicators/41520591.pdf.
Китрар Л.А., Остапкович Г.В. Особенности и направления использования индикаторного подхода в циклическом мониторинге экономической динамики // Вопросы статистики. 2013. № 8. С. 42-50.
Китрар Л.А., Остапкович Г.В. Интегрированный подход к построению композитных индикаторов со встроенным алгоритмом оценки цикличности в динамике результатов конъюнктурного мониторинга // Вопросы статистики. 2013. № 12. С. 23-34.
Maravall A., del Rho A. Temporal aggregation, systematic sampling, and the Hodrick-Prescott filter // Computational Statistics & Data Analysis. 2007. Vol. 52. No. 2. Р 975-998.
Kalman R.E. A new approach to linear filtering and prediction problems // Transactions of the ASME -Journal of Basic Engineering. 1960. Vol. 82 (Series D). P 35-45. URL: www.cs.unc.edu/~welch/kalman/media/ pdf/Kalman1960.pdf.
Zhang X., Conn L. Estimating the cyclical component from annual time series. ABS Research Paper No. 1352.0.55.085. Australian Bureau of Statistics, Canberra. 2007.
Dias M.-H.A., Dias J., Evans Ch.L. Estimation of the cyclical component of economic time series. National Council for Scientific and Technological Development (CNPq), Brazil and Research Department of the Federal Reserve Bank of Chicago, USA. 2004.
Chagny O., Döpke J. Measures of the output gap in the Euro-Zone: an empirical assessment of selected methods. Kiel Working Paper No. 1053. 2001.
McMorrow K., Roeger W. Potential output: measurement methods, «new» economy influences and scenarios for 2001-2010 - a comparison of the EU15 and the US. European Commission Economic Papers No. 150. 2001.
Canova F. Detrending and business cycles facts // Journal of Monetary Economics. 1998. Vol. 41. Iss. 3. Р. 475-512.
Kuttner K.N. Estimating potential output as a latent variable // Journal of Business and Economic Statistics. 1994. Vol. 12. Iss. 3. Р. 361-368.
Kichian M. Measuring potential output with a state space framework. Bank of Canada Working Paper 99-9. 1999.
Rünstler G. The information content of real-time output gap estimates: an application to the Euro area. ECB Working Paper No. 182. 2002.
De Brouwer G. Estimating output gaps. Reserve Bank of Australia Research Discussion Paper 9809. 1998. URL: http://www.rba.gov.au/publications/rdp/1998/9809.html.
 
Rights Authors who publish with this journal agree to the following terms:Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).
Авторы, публикующие в данном журнале, соглашаются со следующим:Авторы сохраняют за собой авторские права на работу и предоставляют журналу право первой публикации работы на условиях лицензии Creative Commons Attribution License, которая позволяет другим распространять данную работу с обязательным сохранением ссылок на авторов оригинальной работы и оригинальную публикацию в этом журнале.Авторы сохраняют право заключать отдельные контрактные договорённости, касающиеся не-эксклюзивного распространения версии работы в опубликованном здесь виде (например, размещение ее в институтском хранилище, публикацию в книге), со ссылкой на ее оригинальную публикацию в этом журнале.Авторы имеют право размещать их работу в сети Интернет (например в институтском хранилище или персональном сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению и большему количеству ссылок на данную работу (См. The Effect of Open Access).