Zasoby i strumienie w kontekście analizy kointegracyjnej

  • Michał Majsterek Uniwersytet Łódzki, Wydział Ekonomiczno-Socjologiczny, Katedra Mode¬li i Prognoz Ekonometrycznych
Słowa kluczowe: kointegracja, makroekonomia, analiza I(2)

Abstrakt

Przedmiot badań: Zasoby i strumienie – kluczowe kategorie ekonomiczne rozpatrywane są w kontekście ich roli w mechanizmie zależności kointegracyjnych, w szczególności w dochodze­niu do równowagi w gospodarce.

Cel badawczy: Celem analizy było powiązanie jedno- i wielowymiarowej analizy kointegra­cyjnej z podstawowymi mechanizmami makroekonomicznymi, pokazanie różnic wybranych doktryn ekonomicznych w świetle stopnia zintegrowania zmiennych, a także rodzaju zależno­ści makroekonomicznych w różnych horyzontach czasowych. Tym samym celem badawczym było dowiedzenie, że do weryfikacji większości założeń, np. hipotezy o neutralności pieniądza w długim okresie, warunkiem koniecznym (ale niewystarczającym) jest analiza kointegracyjna. Kolejnym celem jest pewne uporządkowanie wiedzy z pogranicza zaawansowanych metod sta­tystycznych oraz teorii ekonomii, zwłaszcza w tych obszarach, gdy na styku tych subdyscyplin dochodzi do nieporozumień.

Metoda badawcza: Analiza kointegracyjna dla zmiennych I(1) oraz I(2) przeprowadzona została zarówno na podstawie prostych równań dynamiki, jak i modeli VECM stosowanych w ujęciu wielowymiarowym. Omówiono różnicę między rolą zasobów i strumieni w mechanizmie osiąga­nia równowagi w gospodarce. Te kwestie – stosunkowo proste w systemie I(1) poważnie kompli­kują się w przypadku obecności trendów stochastycznych I(2).

Wyniki: Trzeci rodzaj kategorii ekonomicznych zwany akcelerantami został wprowadzony w celu lepszego rozróżnienia długo-, średnio- i krótkookresowych zależności w systemie I(2). Nawet prosta analiza integracji dostarcza istotnych zaleceń dla polityki gospodarczej. Połączenie analizy integracyjnej z makroekonomicznym podejściem zasób-strumień-akceleranta może być dodatkowym narzędziem testowania o tyle ważnym, że klasyczne testy stacjonarności procesów generujących zmienne mają niską moc. Właściwe wyznaczenie stopnia integracji (stopnia nie­stacjonarności) takich procesów jest z kolei niezbędne w celu choćby uniknięcia identyfikacji tzw. regresji pozornych, a te z kolei są już asumptem do błędnych decyzji na każdym szcze­blu gospodarki. Szczególnie ważne są jednak wskazania wynikające z powiązania rozważań zasobowo-strumieniowych z wielowymiarową analizą kointegracyjną. Połączenie tych kwestii możliwością dekompozycji procesów osiągania zrównoważenia w gospodarce na horyzont krótkookresowy, cykliczny i długofalowy powinno należeć do kanonu podejmowania decyzji ekonomicznych. Istotnym uzupełnieniem powinna być tu analiza źródeł szoków wytrącających system ze stanu równowagi oraz ocena czasu oddziaływania takich szoków.

Bibliografia

Blangiewicz M., Charemza W., Cointegration in Small Samples: Empirical Percentiles, Drifting Moments and Customized Testing, Oxford Bulletin of Economics and Statistics 1990/52, s. 303–315.

Bystrov V., Measuring the Natural Rates of Interest in Germany and Italy, Central European Journal of Economic Modelling and Econometrics 2018/10/4, s. 333–353.

Dobija D., Klimczak M., Development of accounting in Poland: Market efficiency and the value relevance of reported earnings, The International Journal of Accounting 2010/45/3, s. 356–374.

Engle R.F., Granger C.W.J., Cointegration and Error Correction: Representation, Estimation and Testing, Econometrica 1987/55, s. 251–276.

Goczek Ł., Kania-Morales J., Analiza porównawcza efektywności rynków papierów wartościowych ze szczególnym uwzględnieniem kryzysu w latach 2007−2009, Bank i Kredyt 2015/1, s. 41–90.

Grabowski W., Welfe A., Global stability of dynamic models, Economic Modelling 2011/28/3, s. 782–784.

Granger C.W.J., Some Properties of Time Series Data and Their Use in Econometric Model Specification, Journal of Econometrics 1981/16, s. 121–130.

Hamilton J.D., Time Series Analysis, Princeton University Press 1994.

Johansen S., A Representation of Vector Autoregressive Processes Integrated of Order 2, Econometric Theory 1992/8, s. 188–202.

Juselius K., Cointegrated VAR Model. Methodology and Applications, Oxford University Press, Oxford 2006.

Juselius K., Inflation, Money Growth and the I(2) Analysis, w: A. Welfe (red.), New Directions in Macromodelling, Elsevier, Amsterdam 2004, s. 69–106.
Juselius K., Price Convergence in the Long Run and Medium Run. An I(2) Analysis of Six Price Indices, w: R. Engle, H. White (red.), Cointegration, Causality and Forecasting, Festschrift in Honour of Clive W.J. Granger, Oxford University Press, Oxford 1999, s. 301–325.

Kelm R., Majsterek M., The I(2) Analysis of Money Demand and Inflation in Poland in the Transition Period 1995–2005, w: W. Welfe, A. Welfe (red.), Proceedings of the 32-th Conference „Macromodels’2005”, Chair of Econometric Models and Forecasts, Łódź 2006, s. 49–72.

Koop G., Ley E., Osiewalski J., Steel M.F.J., Bayesian Analysis of Long Memory and Persistence Using ARFIMA Models, Journal of Econometrics 1997/76, s. 77–105.

Kufel T., “Nonsense Correlation between Time Series” – historia badań symulacyjnych procesów zintegrowanych, w: Dynamiczne modele ekonometryczne, Materiały zgłoszone na VII Ogólnopolskie Seminarium Naukowe 4–6 września 2001, Wydawnictwo Uniwersytetu Mikołaja Kopernika, Toruń 2001.

Kurita T., Modelling Time Series Data of Monetary Aggregates Using I(2) and I(1) Cointegration Analysis, Bulletin of Economic Research 2013/65/4, s. 372–388.

Kydland F., Prescott E., Rules Rather Than Discretion: The Inconsistency of Optimal Plans, Journal of Political Economy 1977/85/3, s. 473–491.

Lütkepohl H., New Introduction to Multiple Time Series Analysis, Springer Verlag, Berlin Heidelberg 2005.

Majsterek M., Modelowanie systemów skointegrowanych, Bank i Kredyt 2014/45/5, s. 435–466.

Majsterek M., Wielowymiarowa analiza kointegracyjna w ekonomii, Wydawnictwo Uniwersytetu Łódzkiego, Łódź 2008.

Majsterek M., Zmienne zintegrowane w stopniu drugim w modelowaniu ekonometrycznym, Przegląd Statystyczny 2003/50/2 s. 97–116.

Welfe A., Modelowanie nierównowagi, Przegląd Statystyczny 1991/2, s. 117–133.

Welfe A., The Price-Wage Inflationary Spiral: The Mixed Economy Case, Fakultät für Wirtschaftwissenschaften und Statistik Universität Konstanz 1994, Diskussionpapier, No. 13.
Welfe A., Kębłowski P., Majsterek M., Price-wage System with Taxation: I(1) and I(2) Analysis, w: W. Welfe, A. Welfe, Proceedings of the 34-th Conference “Macromodels’07”, Chair of Econometric Models and Forecasts, Łódź 2008, s. 213–231.
Welfe A., Majsterek M., Wage and Price Inflation in Poland in the Period of Transition: The Cointegration Analysis, Economics of Planning 2002/35, s. 205–219.

Wróblewska J., Common Trends and Common Cycles – Bayesian Approach, Central European Journal of Economic Modelling and Econometrics 2015/7/2, s. 91–110.
Opublikowane
2020-06-01
Dział
Artykuły - EKONOMIA