Two estimation procedures dominate

Two estimation procedures dominate the cointegration literature: Johansen’s maximum likelihood inference on vector autoregressive error correction models and estimation of Phillips’ triangular forms. This latter methodology is essentially semiparametric, focusing on estimating long run parameters by means of cointegrating regressions. However, it is less used in practice than Johansen’s approach, since its implementation requires prior knowledge of features such as the cointegrating rank and an appropriate set of non-cointegrated regressors. In this paper we develop a simple and automatic procedure (based on unit root and regression-based cointegration testing) which, without imposing a parametric specification for the short run components of the model, provides an estimator of the cointegrating rank and data-based just-identifying conditions for the cointegrating parameters which lead to a Phillips’ triangular form. A Monte Carlo analysis of the properties of the estimator and an empirical application are also provided.

Results (Thai) 1:

ขั้นตอนการประเมินสองครองวรรณกรรม cointegration: ข้อความน่าเป็นสูงสุดของ Johansen vector autoregressive ข้อผิดพลาดการแก้ไขแบบจำลองและการประเมินรูปแบบสามเหลี่ยมของไขควง วิธีหลังนี้เป็น semiparametric หลัก เน้นการประมาณพารามิเตอร์ยาวโดย cointegrating regressions อย่างไรก็ตาม ได้น้อยใช้ในทางปฏิบัติมากกว่าวิธีของ Johansen เนื่องจากการดำเนินงานต้องรู้ทราบคุณลักษณะต่าง ๆ เช่นลำดับ cointegrating และมีชุดของ regressors ไม่ใช่ cointegrated ในเอกสารนี้ เราพัฒนาง่าย และอัตโนมัติกระบวนการหน่วยรากและถดถอยตาม cointegration ทดสอบ) ที่ โดยสถานะข้อมูลจำเพาะพาราเมตริกสำหรับคอมโพเนนต์รันสั้น ๆ ของแบบ การประมาณตำแหน่ง cointegrating และใช้ข้อมูลเพียงระบุเงื่อนไขสำหรับพารามิเตอร์ cointegrating ซึ่งนำไปสู่แบบฟอร์มสามเหลี่ยมของไขควง นอกจากนี้ยังมีการวิเคราะห์ Carlo มอนของคุณสมบัติของการประมาณการและโปรแกรมประยุกต์ที่รวม

Results (Thai) 2:

สองขั้นตอนการประมาณค่าครองระยะยาวระหว่างวรรณกรรม: โอกาสสูงสุดของฮันเซนในการอนุมานเวกเตอร์รุ่นแก้ไขข้อผิดพลาดและการประมาณอัตของฟิลลิป 'รูปแบบสามเหลี่ยม ซึ่งวิธีหลังเป็น semiparametric เป็นหลักโดยมุ่งเน้นที่การประมาณค่าพารามิเตอร์ระยะยาวโดยใช้วิธีการวิเคราะห์ cointegrating แต่ก็เป็นสิ่งที่ใช้ในการปฏิบัติน้อยกว่าวิธีการของฮันเซนเนื่องจากการดำเนินงานที่ต้องใช้ความรู้เดิมของคุณสมบัติเช่นยศ cointegrating และชุดที่เหมาะสมของการไม่ cointegrated regressors ในบทความนี้เราพัฒนาเป็นขั้นตอนที่ง่ายและอัตโนมัติ (ขึ้นอยู่กับหน่วยรากและการทดสอบระยะยาวระหว่างการถดถอย-based) ซึ่งโดยไม่มีการจัดเก็บภาษีเปคพาราสำหรับส่วนประกอบระยะสั้นของรูปแบบให้ประมาณการของอันดับ cointegrating และข้อมูลที่ใช้เพียง เงื่อนไข -identifying สำหรับพารามิเตอร์ cointegrating ซึ่งนำไปสู่​​รูปแบบสามเหลี่ยมฟิลลิป การวิเคราะห์ Monte Carlo คุณสมบัติของประมาณการและการประยุกต์ใช้เชิงประจักษ์ที่นอกจากนี้ยังมี

Results (Thai) 3:

สองขั้นตอนการ ครอง โดยวรรณกรรม : โจแฮนเซนความเป็นไปได้สูงสุดในเวกเตอร์การแก้ไขข้อผิดพลาดและวิธีประมาณแบบฟิลลิป ' สามเหลี่ยมแบบ วิธีการหลังนี้เป็นหลัก semiparametric เน้นยาว โดยวิธีการประมาณค่าพารามิเตอร์ของสมการถดถอยเชิง . อย่างไรก็ตามมีการใช้น้อยในการปฏิบัติมากกว่า โจแฮนเซน เป็นวิธีการ นับตั้งแต่การใช้ความรู้เชิงคุณลักษณะ เช่น ตำแหน่งและการตั้งค่าที่เหมาะสมของการไม่ cointegrated regressors . ในกระดาษนี้เราพัฒนาที่ง่ายและอัตโนมัติกระบวนการ ( ขึ้นอยู่กับหน่วยรากและการทดสอบความถดถอยตาม ) ซึ่งโดยการกำหนดพารามิเตอร์สำหรับสั้นส่วนประกอบวิ่งของโมเดล ให้ประมาณการของเชิงตำแหน่งและข้อมูลจากเพียงแค่การระบุเงื่อนไขเชิงพารามิเตอร์ซึ่งนำไปสู่รูปแบบสามเหลี่ยม Phillips ' เป็น มอนติคาร์โลการวิเคราะห์คุณสมบัติของการประมาณการและการประยุกต์เชิงประจักษ์มีไว้ด้วย