Ökonometria PhD 06 - Strukturális VAR alapok (Eviews11)
Preber si túto prednášku so svojou AI
Skopíruj pripravený podklad a vlož ho do ChatGPT, Claude alebo inej AI — bude ťa učiť alebo skúšať len z tejto prednášky.
Zhrnutie prednášky
Prednáška nadväzuje na úvod do VAR modelov a zavádza štrukturálne vektorové autoregresie (SVAR), ktoré modelujú aj okamžité väzby medzi premennými a identifikujú neočakávané šoky, napríklad monetárnopolitický šok v Taylorovom pravidle. Vysvetľuje prechod od štrukturálnej formy k redukovanej cez maticu A a kalibráciu variančno-kovariančnej matice chýb, najmä Choleskeho ortogonálnym rozkladom s hierarchiou premenných (output gap, inflačná medzera, úroková sadzba). Zdôrazňuje nulové a znamienkové obmedzenia podložené ekonomickou teóriou a nutnosť testovať robustnosť zmenou poradia premenných alebo pridaním exogénnej premennej. Praktická časť v EViews odhaduje model s 8 oneskoreniami, overuje diagnostiku (normalita, autokorelácia) a počíta impulzné odozvy na 12 období s intervalmi spoľahlivosti. Výsledky sú slabé: významná je len malá reakcia úrokovej sadzby na output gap.
- - SVAR zachytáva okamžité väzby medzi premennými a identifikuje neočakávané šoky, napr. monetárnopolitické.
- - Štrukturálnu formu s maticou A možno previesť na redukovanú, kde chyby sú A⁻¹ krát štrukturálne šoky.
- - Choleskeho dekompozícia vyžaduje hierarchiu premenných: output gap, inflačná medzera, úroková sadzba; poradie sa zadáva hneď pri načítaní.
- - Obmedzenia (nuly, znamienka) musia vychádzať z ekonomickej teórie alebo literatúry, inak ich recenzent neprijme.
- - Robustnosť sa overuje obrátením poradia premenných alebo pridaním exogénnej premennej a porovnaním impulzných odoziev.
- - Pred SVAR treba skontrolovať diagnostiku (stacionarita, normalita, autokorelácia); pri jednotkovom koreni sa použije VECM.
- - Impulzná odozva je významná, ak interval spoľahlivosti neobsahuje nulu; v príklade je významná iba odozva sadzby na output gap.
Zhrnutie pripravené s pomocou AI z prepisu videa.
nechodím na prednášky