WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     | 1 |   ...   | 69 | 70 || 72 | 73 |   ...   | 80 |

Sargan – тест усеченной формы с ограничениями/без ограничений Сарджана, оце нивающий, охватывает ли усеченная форма структурной модели с ограничениями усеченную форму модели без ограничений, включающую экзогенные регрессоры конкурирующей модели; Joint model – общий F тест модели, оценивающий, охваты вает ли каждая модель линейную вкладывающуюся модель. Этот тест, в отличие от тестов Кокса и Эрикссона, инвариантен к общим переменным в конкурирующих моделях (Hendry, Doornik, 2001). В квадратных скобках приведены соответствую щие р значения.

Рис. 6. Вневыборочный прогноз для индикаторной модели инфляции с денежным агрегатом mУчитывая сказанное выше, для наиболее информативного де нежного агрегата m1 была построена система уравнений, учиты вающая взаимосвязь между деньгами и ценами в краткосрочном периоде (табл. 11). Исходная модель была редуцирована при по мощи метода «от общего к частному» с использованием экономет рической программы PcGets. При этом в модели учитывалось влияние как лаговых, так и текущих значений переменных. Тест максимального правдоподобия (LR тест) ограничений сверхиден тификации модели не отвергает гипотезу о приемлемости ее ре дуцирования. Полученная модель содержит информацию исход ной модели, но является при этом более простой. Все коэффици енты имеют теоретически ожидаемые знаки. Проблема автокорре ляции и гетероскедастичности решается путем использования со стоятельных в данном случае t статистик, что не оказывает прин ципиального влияния на результаты. Корреляция остатков регрес сионных уравнений практически отсутствует. Все это говорит в пользу того, что спецификация данной модели вполне удовлетво рительна.

Таблица Векторная модель с механизмом корректировки равновесия для Мcpi mt t Перемен t t коэффи коэффи ные статисти t HACSE статисти t HACSE циент циент ка ка Constant 0.141 2.77[0.009] 2.06[0.046] 0.058 2.56[0.015] 3.28[0.002] cpi 0.484 5.59[0.000] 3.80[0.001] 0.178 3.36[0.002] 2.33[0.026] t cpi – – – 0.2558 4.43[0.000] 4.19[0.000] t m1 0.426 2.65[0.012] 3.14[0.003] – – – m1 – – – 0.583 4.72[0.000] 9.75[0.000] t m1 0.335 2.63[0.012] 2.15[0.038] –0.284 –2.50[0.017] –1.92[0.063] t D921 0.806 5.90[0.000] 7.12[0.000] – – – EqCM1 –0.470 –5.05[0.000] –3.83[0.000] – – – t Диагностика уравнений AR 1–3 F (3, 34) 4.1103[0.0136] 2.6671[0.0633] ARCH 1–3 F (3, 33) 3.9439[0.0165] 0.4663[0.7077] Normality 2.6263[0.2690] 5.4028[0.0671] (2) Hetero F (11, 27) 2.0676[0.0609] 1.9257[0.0809] Матрица корреляции остатков Диагностика системы (на диагонали – стандартное отклонение) AR 1–3 F (12, 1.7752 [0.0716] cpi mt t 64) Normality 8.8363 [0.0653] cpi 0.10490 0.t (4) Hetero F (33, 2.1216 [0.0039] m1 0.01567 0.t 74) LR тест ограничений сверхидентификации: (3) = 1.3271 [0.7227] Примечание. В квадратных скобках приведены соответствующие р значения.

t HACSE – t статистика, состоятельная при автокорреляции и гетероскедастично сти (Andrews, 1991).

На основе данной системы уравнений был сделан вневыбороч ный ретроспективный прогноз на 4 квартала. Результаты такого прогноза представлены на рис. 6 вместе с аналогичным прогно зом, сделанным на основе одного уравнения регрессии. На рис. также приведены 95 % е доверительные интервалы и среднеквад ратические ошибки прогноза. Как видим, прогностические воз можности двух моделей различаются незначительно. Практически совпадают и среднеквадратические ошибки прогноза. Более того, индикаторная модель инфляции в рамках системы уравнений и на основе одного уравнения имеет близкие по своим значениям и статистической значимости коэффициенты. Следовательно, отсут ствие сильной экзогенности денег не оказывает существенного влияния на прогностические возможности индикаторной модели инфляции на основе одного уравнения регрессии.

Данная модель характеризует влияние денежного агрегата m1 на динамику цен в краткосрочном и долгосрочном периодах.

Статистически значимый коэффициент при механизме корректи ровки равновесия показывает, что скорость восстановления рав новесного уровня цен составляет примерно 2 квартала (1/0.471).

Кроме того, данная модель показывает, что инфляция имеет опре деленную инерционность, обусловленную инфляционными ожида ниями. Полученная индикаторная модель, несмотря на свою про стоту, обладает хорошими прогностическими свойствами и вклю чает только одну импульсную фиктивную переменную. Следует также отметить, что данная модель вполне согласуется с теорети ческими соображениями о механизме влияния денежного предло жения на динамику цен, изложенными выше.

7. Заключение Использование коинтеграционного анализа и модели с меха низмом корректировки равновесия позволило исследовать долго срочные и краткосрочные связи между различными денежными агрегатами и индексом потребительских цен в Беларуси за доста точно длительный отрезок времени (1992–2002 гг.). Полученные результаты позволили построить индикаторные модели инфляции и оценить информационное содержание различных денежных аг регатов (m0, m1 и m2), а также их прогностические возможности.

Основные выводы исследования заключаются в следующем.

1. Уровень потребительских цен, а также денежные агрегаты m0, m1 и m2 являются нестационарными переменными и имеют порядок интегрированности I (1). Следовательно, их первые раз ности, т. е. уровень инфляции и темпы приростов денежных агре гатов, стационарны. Это позволяет использовать коинтеграцион ный анализ при исследовании связи между динамикой денежной массы и изменением уровня цен в долгосрочном периоде.

2. Как показал анализ, уровень потребительских цен и все ис следуемые денежные агрегаты коинтегрированы. Это означает, что между ними существуют долгосрочные связи. При этом денеж ные агрегаты являются слабоэкзогенными переменными, следова тельно, в долгосрочном периоде имеет место однонаправленная связь «деньги–цены». Слабая экзогенность денежных агрегатов является необходимым условием их эффективного использования при осуществлении монетарной политики.

3. Параметры долгосрочной связи являются стабильными на всем изучаемом временном интервале, что свидетельствует о ста бильности установленных коинтеграционных связей и механизма восстановления равновесного уровня цен.

4. Каузальный анализ на основе векторной авторегрессии с ме ханизмом корректировки равновесия показал, что денежные агре гаты оказывают влияние на динамику индекса потребительских цен и в краткосрочном периоде. Кроме того, в краткосрочном периоде наблюдается взаимосвязь динамики денежной массы и цен. Такая взаимосвязь является следствием аккомодационной монетарной политики, когда денежные власти по мере роста цен увеличивают предложение денег. Как показывают вневыборочные каузальные тесты на основе функции импульсного отклика и разложения ва риации ошибки прогноза, влияние роста цен на динамику денеж ной массы не превышает нескольких кварталов.

5. Все денежные агрегаты обладают определенным информа ционным содержанием и прогностическими возможностями отно сительно индекса потребительских цен. Однако формальные тесты показывают, что наиболее адекватным показателем является де нежный агрегат m1, характеризующий наиболее активную часть денежной массы. Индикаторная модель инфляции, построенная на его основе, имеет наименьшую среднеквадратическую ошибку прогноза. Более того, данная модель охватывает аналогичные мо дели с другими денежными агрегатами и, следовательно, является наиболее информативной при использовании в монетарной поли тике.

6. Проведенный анализ показал, что, хотя денежные агрегаты не являются сильно экзогенными переменными, вполне возможно использование индикаторной модели инфляции на основе одного регрессионного уравнения вместо системы уравнений, учитываю щих взаимосвязь между деньгами и ценами в краткосрочном пе риоде. В частности, индикаторная модель инфляции с использова нием денежного агрегата m1 обладает такими же прогностически ми возможностями, что и модель, полученная в рамках системы уравнений. Данное обстоятельство существенно упрощает моде лирование и прогнозирование инфляции.

Полученные индикаторные модели инфляции вполне согласу ются с теоретическими соображениями относительно влияния предложения денег на динамику цен. В целом же данное исследо вание, основанное на современных методах эконометрического анализа, дает достаточно убедительные доказательства того, что инфляция в Беларуси является денежным феноменом, и на основе эмпирических данных за 1992–2002 гг. еще раз подтверждает из вестный тезис о том, что деньги имеют значение.

Литература Кинг М. (2002). Нет денег – нет инфляции: роль денег в эконо мике // ЭКОВЕСТ. № 2. С. 172–194.

Пелипась И. (2000). Денежная масса и цены в Беларуси: резуль таты эконометрического анализа // Квартальный бюллетень Клуба экономистов. С. 5–38.

Пелипась И. (2001) Спрос на деньги и инфляция в Беларуси // ЭКОВЕСТ. № 1. С. 6–63.

Фишер С., Сахай Р., Вег К. (2002). Современные случаи гипер инфляции и высокой инфляции // ЭКОВЕСТ. № 2. С. 195–251.

Altimari S. N. (2001). Does Money Lead Inflation in the Euro Area // ECB Working Paper. 63.

Andrews D. W. K. (1991). Heteroskedasticity and Autocorrelation Consistent Covariance Matrix Estimation // Econometrica. № 59.

P. 817–858.

Atta Mensah J. (1995). The Empirical Performance of Alternative Monetary and Liquidity Aggregates // Bank of Canada Working Paper.

№ 12.

Baltensperger E., Jordan T. J., Savioz M. (2000). The Demand for M3 and Inflation Forecasts: An Empirical Analysis for Switzerland // University of St. Gallen Discussion Paper. № 7.

Bruggeman A., Donati P., Warne A. (2003). Is the Demand for Euro Area M3 Stable // ECB Working Paper. № 255.

Campos J., Ericsson N. (1999). Constructive Data Mining: Modeling Consumers’ Expenditure in Venezuela // Econometrics Journal. № 2.

P. 226–240.

Choudhry T. (1998). Another Visit to the Cagan Model of Money Demand: The Latest Russian Experience // Journal of International Money and Finance. № 17. P. 355–376.

Crowder W. (1998). The Long Run Link Between Money Growth and Inflation // Economic Inquiry. № 36. P. 229–243.

De Grauwe P., Polan M. (2001). Is Inflation Always and Everywhere a Monetary Phenomenon // CEPR Discussion Paper. 2841.

Doornik J. A., Hendry D. F. (2001). GiveWin Version 2, An Interface to Empirical Modelling, London: Timberlake Consultants.

Doornik J. A., Hendry D. F. (2001). Modelling Dynamic Systems Us ing PcGive 10. Vol. II. London: Timberlake Consultants.

Elliot G., Rothenberg T. J., Stock J. H. (1996). Efficient Tests for an Autoregressive Unit Root, // Econometrica. № 64. P. 813–836.

Engle R. F., Granger C. W. J. (1987). Co Integration and Error Cor rection: Representation, Estimation, and Testing // Econometrica.

№ 55. P. 251–276.

Estrella A., Mishkin F. S. (1997). Is There a Role for Monetary Aggregates in the Conduct of Monetary Policy // Journal of Monetary Economics. № 40. P. 279–304.

Friedman M. (1963). Inflation: Causes and Consequences. Asia Publishing House.

Golinelli R., Pastorello S. (2001). Modeling the Demand for M3 in the Euro Area, mimeo, http://www. dse. unibo. it/golinelli/.

Hansen G., Kim J R. (1996). Money and Inflation in Germany: A Cointegration Analysis // Empirical Economics. № 21. P. 601–616.

Hansen M., Johansen S. (1999). Some Tests for Parameter Constancy in Cointegrated VAR models // Econometrics Journal. № 2.

P. 306–333.

Hasan M. S. (1999). Monetary Growth and Inflation in China:

A Reexamination // Journal of Comparative Economics. № 27. P. 669– 685.

Hendry D. F. (2001). Modelling UK Inflation, 1875–1991 // Journal of Applied Econometrics. № 16. P. 255–275.

Hendry D. F., Doornik J. A. (2001). Empirical Econometric Modelling Using PcGive 10. Vol. I. London: Timberlake Consultants.

Hendry D. F., Krolzig H M. (2001). Automatic Econometric Model Selection Using PcGets 1.0. London: Timberlake Consultants.

Johansen S. (1988). Statistical Analysis of Cointegrating Vectors // Journal of Economic Dynamics and Control. № 12. P. 231–254.

Johansen S. (1991). Estimation and Hypothesis Testing of Cointegrating Vectors in Gaussian Vector Autoregressive Models // Econometrica. № 59. P. 1551–1580.

Johansen S. (1994). The Role of the Constant and Linear Terms in Cointegration Analysis of Nonstationary Variables // Econometric Reviews. № 13. P. 205–229.

Johansen S. (2002). A Small Sample Correction of the Test for the Cointegration Rank in the Vector Autoregressive Model // Econometrica.

№ 70. P. 1929–1962.

Johansen S., Juselius K. (1990). Maximum Likelihood Estimation and Inference on Cointegration With Applications to the Demand for Money // Oxford Bulletin of Economics and Statistics. № 52. P. 169–210.

Kalra S. (1998). Inflation and Money Demand in Albania // IMF Working Paper. WP/98/101.

Lissovolik B. (2003). Determinants of Inflation in a Transition Econ omy: The Case of Ukraine // IMF Working Paper. WP/03/126.

Masih A. M. M., Masih R. (1997). Bivariate and Multivariate Tests of Money Price Causality: Robust Evidence From a Small Developing Country // Journal of International Development. № 9. P. 803–825.

Masih A. M. M., Masih R. (1998). Does Money Cause Prices, or the Other Way Around // Journal of Economic Studies. № 25. P. 138–160.

Nelson E. (2003). The Future of Monetary Aggregates in Monetary Policy Analysis // Journal of Monetary Economics. № 50. P. 1029–1059.

Nikolic M. (2000). Money Growth Inflation Relationship in Postcom munist Russia // Journal of Comparative Economics. № 28. P. 108–133.

Otero J., Smith J. (2000). Testing for Cointegration: Power vs. Fre quency of Observation – Further Monte Carlo Results // Economic Letters. № 67. P. 5–9.

Perron, P. (1990). Testing for a Unit Root in a Time Series With a Changing Mean // Journal of Business and Economic Statistics. № 8.

P. 153–162.

Perron P. (1992). Nonstationarity and Level Shifts With an Applica tion to Purchasing Power Parity // Journal of Business and Economic Statistics. № 10. P. 301–320.

Perron P. (1997). Further Evidence on Breaking Trend Function in Macroeconomic Variables // Journal of Econometrics. № 80. P. 355–385.

Pesaran M. H., Pesaran B. (1997). Working With Microfit 4.0.

Interactive Econometric Analysis, Oxford: Oxford University Press.

Pesaran M. H., Shin Y., Smith R. J. (2001). Bounds Testing Approaches to the Analysis of Level Relationships // Journal of Applied Econometrics.

№ 16. P. 289–326.

QMS (2002). Eviews 4.1 Update, Quantitative Micro Software.

Pages:     | 1 |   ...   | 69 | 70 || 72 | 73 |   ...   | 80 |



© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.