Econometrie

Cap. 2

Probleme metodologice ale macromodelelor de scara larga

Capitolul se concentreaza asupra metodologiei si descrie rolul statisticii si al teoriei economice in modelarea macroeconomica. Bazandu-ne pe o lunga traditie, noi sugeram o abordare a modelarii macroeconometrice care se bazeaza pe concepte statistice fundamentale precum functia de distributie cu mai multe variabile (joint) ale tuturor variabilelor observabile. Utilizatorii modelelor macroeconomice solicita adesea o descriere detaliata a economiei si, in vederea satisfacerii acestei cereri, modelele macroeconomice realiste devin in mod invariabil prea mari pentru a fi si specifice in acelasi timp. Metodologia sugerata se bazeaza asadar pe conditionare valabila si marginalizare a functiei de distributie cu mai multe variabile pentru a ajunge la subsisteme usor de utilizat care pot fi analizate cu metode statistice.

2.1 Introducere: modele mici vs. modele mari

Modelarea macroeconometrica are ca scop sa explice comportamentul empiric al unui sistem economic real. Asemenea modele vor fi sisteme de ecuatii interconectate estimate pe baza datelor de serii dinamice folosind tehnici statistice sau econometrice.

Un punct conceptual de plecare il constituie ideea unui proces general stocastic (se produce intamplator) care a generat toate datele pe care le observam privind economia si ca acest proces poate fi rezumat in termeni de distributie cu mai multe variabile de probabilitate al variabilelor observabile aleatoriu intr-un sistem de ecuatie stocastica; vedeti Sectiunea 2.3. Pentru o economie moderna, complexitatea unui asemenea sistem al distributiei cu mai multe variabile de probabilitate este evidenta. Cu toate acestea, intotdeauna e posibil sa facem o abordare agregata pentru a reprezenta comportamentul unor variabile foarte importante (de “headline”) (de ex. inflatie, cresterea PNB, somaj) intr-un model la scara mica. Estimarea unor asemenea modele econometrice poate fi bazata pe teoria statistica formal stabilita ( precum modele autoregresive cu vector dimensional scazut {VAR]), unde teoria statistica a fost extinsa recent la variabile cointegrate.

Totusi, in mod surprinzator, e usor pentru utilizator sa detalieze particularitati ale modelului – de exemplu., mai multe sectoare productive, modelarea separata a consumului si investitiei – spre a reda modelarea simultana a tuturor ecuatiilor imposibila in practica. Rezulta ca modele care sunt utilizate pentru analiza impactului bugetului guvernamental asupra economiei sunt sisteme foarte mari de ecuatii. Chiar in cazul in care modelul foloseste numai o variabila din tintele de plecare, precum tinta planificata de inflatie, alegeri de politici sunt facute impotriva fondului unei analize mai largi a efectelor ratei dobanzii asupra economiei (cursuri de schimb nominale si reale, crestere a productiei si stabilitate financiara). Astfel, creatorii de modele au avut sarcina de lunga durata de a stabili o buna practica si a dezvolta proceduri operationale pentru construirea de modele care asigura ca produsul final al modelarii pe portiuni este solid si folositor. Contributii importante in literatura respectiva includ pe Christ (1966), Klein (1983), Fair (1984, 1994), Klein et al. (1999) si cercetarile lui Bodkin et al.(1991) si Wallis (1994) .

In aceasta carte, noi suplimentam literatura existenta sugerand urmatoarea procedura operationala : (1.nota de subsol):

1. prin alegeri relevante de variabile definim si analizam subsectoare ale economiei ( prin marginalizare).

2. prin distingerea intre variabile exogene si endogene construim (prin conditionare) modele partiale relevante pe care le putem numi modele de tip A.

3. In final, avem nevoie sa combinam aceste submodele in scopul de a obtine un Model B al intregii economii.

Teza noastra este aceea ca, fiind dat Model A ca parte a Model B, e posibil sa aflam date despre Modelul B din Modelul A. Alternativa la aceasta teza ar putea reprezenta un tip de creationism (2. nota de subsol) fara ca, bineinteles, macroeconometria sa fie nevoita a fi restrictionata la modele agregate.

Exemple de proprietati care pot fi descoperite folosind procedura noastra includ cointegrarea din Model B. Acesata provine dintr-un corolar al teoriei sistemelor cointegrate: orice combinatie liniara non-zero de vectori de cointegrare este de asemenea un vector de cointegrare. In cazul cel mai simplu, daca sunt doi vectori cointegratori in Model B, exista intotdeauna o combinatie liniara a acestori vectori care elimina (“nets out”) una din variabile.

Analiza cointegrarii unui submultimi de variabile ( si anume, Model A), excluzand acea variabila, va avea ca rezultat un vector cointegrator corespunzand la acea combinatie liniara. Astfel, in ciuda faptului de a fi o proprietate a Modelului B, analiza cointegrata a subsistemului (Model A) identifica un vector de cointegrare. Daca aceasta identificare are sens economic sau nu ramane o problema deschisa si orice opinie trebuie sa fie argumentata in fiecare caz separat. Prezentam cateva exemple in aceasta carte: In Sectiunea 2.4 vom discuta identificarea functiei de consum ca relatie cointegratoare si facem legatura cu discutia privind structura partiala. In cap. 5, identificarea relatiilor cointegratoare folosite la stabilire preturi si salarii este discutata in detaliu.

Alte importante proprietati ale modelului complet care pot fi testate pe subsisteme includ existenta unei rate naturale a somajului (vedeti cap. 6) si relevanta termenilor orientati catre viitor privind stabilirea pretului si a salariului (vedeti cap. 7).