Documentos de Académico
Documentos de Profesional
Documentos de Cultura
donde r * es la tasa de interés real deseada, p # t y u # t son los valores promedio de inflación y
tasa de desempleo en los últimos cuatro trimestres, p * y u * son los valores objetivo de
inflación y desempleo, y et es el error en la ecuación. Esta relación se convierte en la ecuación
de la tasa de interés en el VAR estructural.
El error de ecuación et, puede considerarse como un “shock” de política monetaria, ya que
representa la medida en que las tasas de interés reales se desvían de esta regla de Taylor. Este
choque puede estimarse mediante una regresión con Rt = 1.5 p # + 1.25 u # t como la variable
dependiente, una constante y rezagos en las tasas de interés, desempleo e inflación en el lado
derecho.
La regla de Taylor es "mirar hacia atrás" en el sentido de que la Reserva Federal reacciona al
pasado información (p # t y u # t son promedios de los últimos cuatro trimestres de inflación y
desempleo), y varios investigadores han argumentado que el comportamiento de la Fed es
más adecuadamente descrito por el comportamiento prospectivo. Debido a esto,
consideramos otra variante del modelo en el que la Fed reacciona a las previsiones de inflación
y desempleo cuatro trimestres en el futuro. Esta regla de Taylor tiene la misma forma que la
regla anterior, pero con p # t y u # t reemplazados por pronósticos con cuatro cuartos de
anticipación calculados a partir de la forma reducida VAR.
PONER A PRUEBA EL VAR DE TRES VARIABLES
Las diferentes versiones de la tasa de interés de inflación, desempleo y VAR son poner a
prueba sus pasos aplicándolos a las cuatro tareas macroeconométricas. Primero, la forma
reducida VAR y una VAR recursiva se utilizan para resumir el inconveniente de estas tres series.
En segundo lugar, la forma reducida VAR se utiliza para pronosticar las variables, y su
rendimiento se evalúa contra alguna alternativa de los modelos de referencia. Tercero, los dos
VAR estructurales diferentes se usan para estimar el efecto de un movimiento sorpresa
inducido por la política en la tasa de interés de los fondos federales en tasas futuras de
inflación y desempleo. Finalmente, discutimos cómo la estructura VAR podría usarse para el
análisis de políticas.
Descripción de datos
La práctica estándar en el análisis VAR es informar los resultados de la causalidad de Granger
pruebas, respuestas de impulso y descomposiciones de varianza de error de pronóstico. Estas
estadísticas son calculadas automáticamente (o casi) por muchos paquetes econométricos
(RATS, Eviews, TSP y otros). Debido a la complicada dinámica en el VAR, estos las estadísticas
son más informativas que los coeficientes de regresión VAR estimados o estadísticas R2, que
generalmente no se informan.
Las estadísticas de causalidad de Granger examinan si los valores rezagados de una variable
ayudan a predecir otra variable. Por ejemplo, si la tasa de desempleo no ayuda predecir la
inflación, entonces los coeficientes en los rezagos del desempleo serán todos cero en la
ecuación de inflación de forma reducida. El Panel A de la Tabla 1 resume el resultado de
causalidad de Granger para el VAR de tres variables. Muestra los valores p asociados con las
estadísticas F para probar si los conjuntos de coeficientes relevantes son cero. Los la tasa de
desempleo ayuda a predecir la inflación al nivel de significancia del 5 por ciento (el valor p es
0.02, o 2 por ciento), pero la tasa de interés de los fondos federales no (el valor p es 0.27). La
inflación no ayuda a predecir la tasa de desempleo, pero la tasa de fondos federales hace.
Tanto la inflación como las tasas de desempleo ayudan a predecir la tasa de interés de los
fondos federales.
Notas: p denota la tasa de inflación de precios, u denota la tasa de desempleo y R denota la
tasa de interés de los Fondos Federales. Las entradas en el Panel A se muestran los valores p
para las pruebas F que se retrasan de la variable en la fila etiquetada como Regresor no ingresa
la ecuación de forma reducida para el variable de columna denominada Variable dependiente.
Los resultados se calcularon a partir de un VAR con cuatro rezagos y un término constante
sobre el 1960: I – 2000: IV período de muestra.
Las respuestas de impulso trazan la respuesta de los valores actuales y futuros de cada uno de
las variables a un aumento de una unidad en el valor actual de uno de los errores VAR,
suponiendo que este error vuelva a cero en períodos posteriores y que todos los demás los
errores son iguales a cero. El experimento mental implícito de cambiar un error mientras que
mantener a las demás constantes tiene más sentido cuando los errores no están
correlacionados entre las ecuaciones, por lo que las respuestas de impulso generalmente se
calculan para recursivo y VAR estructurales.
Las respuestas de impulso para el VAR recursivo, ordenado pt, ut, Rt, se trazan en Figura 1. La
primera fila muestra el efecto de un inesperado 1 punto porcentual aumento de la inflación en
las tres variables, ya que funciona a través del VAR recursivo sistema con los coeficientes
estimados a partir de datos reales. La segunda fila muestra el efecto de un aumento
inesperado de 1 punto porcentual en la tasa de desempleo, y la tercera fila muestra el efecto
correspondiente para la tasa de interés. También trazado son 66 bandas de error estándar,
que producen una confianza aproximada del 66 por ciento intervalos para cada una de las
respuestas de impulso. Estas respuestas de impulso estimadas muestran patrones de variación
común persistente. Por ejemplo, un aumento inesperado en la inflación se desvanece
lentamente durante 24 trimestres y se asocia con una persistencia aumento de desempleo y
tasas de interés.
La descomposición del error de pronóstico es el porcentaje de la varianza del error realizado al
pronosticar una variable (por ejemplo, inflación) debido a un shock específico (por ejemplo, el
error término en la ecuación de desempleo) en un horizonte dado (como dos años). Por lo
tanto, la descomposición del error de pronóstico es como un R2 parcial para el error de
pronóstico, por pronóstico horizonte. Estos se muestran en el Panel B de la Tabla 1 para el VAR
recursivo. Ellos sugieren considerable interacción entre las variables. Por ejemplo, a los 12
trimestres horizonte, el 75 por ciento del error en el pronóstico de la tasa de interés de los
fondos federales es atribuido a los choques de inflación y desempleo en el VAR recursivo.
Previsión
Pronósticos de varios pasos por delante, calculados iterando hacia adelante la forma reducida
VAR, se evalúan en la Tabla 2. Debido a que la prueba final de un modelo de pronóstico es su
rendimiento fuera de muestra, la Tabla 2 se centra en pseudo pronósticos fuera de muestra
sobre el período de 1985: I a 2000: IV. Examina los horizontes de pronóstico de dos trimestres,
cuatro cuartos y ocho cuartos. El pronóstico h pasos adelante se calcula mediante estimando el
VAR a través de un trimestre dado, haciendo que el pronóstico h avance, reestimando el VAR
durante el próximo trimestre, haciendo el próximo pronóstico y así sucesivamente durante el
período de pronóstico.
A modo de comparación, los pronósticos de pseudo fuera de la muestra también se calcularon
para un autorregresión univariante con cuatro rezagos, es decir, una regresión de la variable
en rezagos de sus propios valores pasados, y para un pronóstico aleatorio de caminata (o "sin
cambio"). Inflación se hicieron pronósticos de tasas para el valor promedio de la inflación
durante el período de pronóstico, mientras que se hicieron pronósticos para la tasa de
desempleo y la tasa de interés para el final cuarto del período de pronóstico. La Tabla 2
muestra el error de pronóstico cuadrado medio raíz para cada uno de los métodos de
pronóstico. (Se calcula el error de pronóstico cuadrado medio como el valor cuadrado
promedio del error de pronóstico sobre la muestra fuera de muestra de 1985–2000 período, y
la raíz cuadrada resultante es el error de pronóstico cuadrático medio raíz reportado en la
tabla). La Tabla 2 indica que el VAR no es peor que o mejora la autorregresión univariante y
ambas mejoran pronóstico de caminata aleatoria.
Inferencia estructural
¿Cuál es el efecto sobre las tasas de inflación y desempleo de una sorpresa 100 aumento de
punto base en la tasa de interés de los fondos federales? Traducido a la jerga VAR, esta
pregunta se convierte en: ¿Cuáles son las respuestas impulsivas de las tasas de inflación y
desempleo al choque de la política monetaria en un VAR estructural?
La línea continua en la Figura 2 traza las respuestas de impulso calculadas a partir de nuestro
modelo con la regla de Taylor retrospectiva. Muestra la inflación, el desempleo y la tasa de
interés real (Rt - pt) respuestas a un shock de 1 punto porcentual en la tasa nominal de fondos
federales. El aumento de la tasa inicial resulta en la tasa de interés real superior a 50 puntos
básicos por seis trimestres. Aunque la inflación finalmente se reduce en aproximadamente 0.3
puntos porcentuales, los retrasos son largos, y la mayor parte de la acción ocurre en el tercer
año después de la contracción. Del mismo modo, la tasa de desempleo aumenta en
aproximadamente 0.2 puntos porcentuales, pero la mayor parte de la desaceleración
económica es en el tercer año después de la subida de tipos.
¿Cuán sensibles son estos resultados al supuesto de identificación específico utilizado en este
VAR estructural: ¿que la Fed sigue la regla de Taylor retrospectiva? Como lo sucede, muy
sensible. La línea discontinua en la Figura 2 traza las respuestas de impulso calculado a partir
del VAR estructural con la regla de Taylor orientada hacia el futuro. Los las respuestas de
impulso en las tasas de interés reales son ampliamente similares bajo cualquiera de las reglas.
Sin embargo, en el modelo prospectivo, el shock monetario produce un aumento de 0.5
puntos porcentuales en la tasa de desempleo dentro de un año, y la tasa de la inflación cae
bruscamente al principio, fluctúa, luego deja una disminución neta de 0.5 puntos porcentuales
después de seis años. Bajo la regla de mirar hacia atrás, esta tasa de 100 puntos básicos el
aumento produce una leve desaceleración económica y una modesta disminución de la
inflación años a partir de; bajo la regla prospectiva, por esta misma acción la Fed gana una gran
victoria contra la inflación a costa de una recesión rápida y aguda.
Análisis de políticas
En principio, nuestro pequeño VAR estructural se puede utilizar para analizar dos tipos de
políticas: intervenciones sorpresivas de política monetaria y cambio de la regla política, como
pasar de una regla de Taylor (con peso tanto en el desempleo como en la inflación) a una regla
explícita de metas de inflación.
Si la intervención es un movimiento inesperado en el interés de los fondos federales tasa,
entonces el efecto estimado de esta política en las tasas futuras de inflación y el desempleo se
resume en las funciones de respuesta al impulso representadas en la Figura 2. Esto puede
parecer una política un tanto extraña, pero se puede usar la misma mecánica para evaluar una
intervención más realista, como aumentar la tasa de fondos federales en 50 puntos básicos y
mantener este aumento por un año. Esta política puede ser diseñada en un VAR utilizando la
secuencia correcta de innovaciones de política monetaria para mantener la tasa de interés de
fondos federales a este nivel sostenido durante cuatro trimestres, teniendo en cuenta que, en
el VAR, las acciones sobre las tasas de interés en trimestres anteriores afectan a las de
trimestres posteriores (Sims, 1982; Waggoner y Zha, 1999).
El análisis del segundo tipo de política, un cambio en la propia regla monetaria, es más
complicado. Una forma de evaluar un nuevo candidato a la regla de política es preguntar qué
sería el efecto de los choques monetarios y no monetarios en la economía bajo la nueva regla.
Como esta pregunta involucra todas las perturbaciones estructurales, responder requiere un
modelo macroeconómico completo de la determinación simultánea de todas las variables, y
esto significa que todos los enlaces causales en el VAR estructural debe especificarse En este
caso, el análisis de políticas se realiza de la siguiente manera: una estructura VAR se estima en
el que se identifican todas las ecuaciones, luego se crea un nuevo modelo formado al
reemplazar la regla de política monetaria. Comparando las respuestas de impulso en los dos
modelos muestran cómo el cambio en la política ha alterado los efectos del dinero y choques
no monetarios en las variables en el modelo.
¿QUÉ TAN BIEN REALIZAN LOS VAR LAS CUATRO TAREAS?
Ahora pasamos a una evaluación de VAR en la realización de las cuatro tareas
macroeconométricas, destacando tanto los éxitos como las deficiencias.
Descripción de datos
Debido a que los VAR involucran valores actuales y rezagados de múltiples series de tiempo,
ellos capturar eventos que no se pueden detectar en modelos univariados o bivariados.
Estadísticas de resumen de VAR estándar como pruebas de causalidad de Granger, respuesta
de impulso funciones y descomposiciones de varianza son métodos bien aceptados y
ampliamente utilizados por retratar estos eventos. Estas estadísticas de resumen son útiles
porque proporcionar objetivos para modelos macroeconómicos teóricos. Por ejemplo, un
teórico el modelo que implicaba que las tasas de interés deberían causar inflación a Granger,
pero el desempleo no debería ser incompatible con la evidencia en la Tabla 1.
Por supuesto, los métodos VAR descritos aquí tienen algunas limitaciones. Uno es que los
métodos estándar de inferencia estadística (como calcular errores estándar para respuestas de
impulso) puede dar resultados engañosos si algunas de las variables son altamente
persistentes. Otra limitación es que, sin modificación, estándar los VAR pierden no
linealidades, heterocedasticidad condicional y deriva o ruptura en parámetros.
Previsión
Pequeños VAR como nuestro sistema de tres variables se han convertido en un punto de
referencia contra qué nuevos sistemas de pronóstico se juzgan. Pero aunque es útil como
punto de referencia, pequeño los VAR de dos o tres variables a menudo son inestables y, por lo
tanto, predictores deficientes de la futuro (Stock y Watson, 1996).
Los sistemas de pronóstico VAR de última generación contienen más de tres variables y
permitir que los parámetros que varían en el tiempo capturen importantes desviaciones en los
coeficientes (Sims,1993). Sin embargo, agregar variables al VAR crea complicaciones, porque el
número de parámetros VAR aumenta a medida que el cuadrado del número de variables: a
VAR de nueve variables y cuatro lag tiene 333 coeficientes desconocidos (incluyendo el
intercepts). Desafortunadamente, los datos macroeconómicos de series temporales no pueden
proporcionar datos confiables estimaciones de todos estos coeficientes sin más restricciones.
Una forma de controlar el número de parámetros en modelos VAR grandes es imponer una
estructura común en los coeficientes, por ejemplo utilizando métodos bayesianos, un enfoque
promovido por Litterman (1986) (seis variables) y Sims (1993) (nueve variables). Estos
esfuerzos han valido la pena, y estos sistemas de pronóstico tienen sólidos antecedentes en
tiempo real (McNees, 1990; Zarnowitz y Braun, 1993).
Inferencia estructural
En nuestro VAR de tres variables en la sección anterior, los efectos estimados de un choque de
política monetaria sobre las tasas de inflación y desempleo (resumido por las respuestas de
impulso en la Figura 2) dependen de los detalles de la presunta norma de política monetaria
seguida por la Reserva Federal. Incluso cambios modestos en el la regla asumida dio como
resultado cambios sustanciales en estas respuestas de impulso. En otra, es decir, las
estimaciones de las respuestas al impulso estructural dependen del conocimiento institucional
detallado de cómo la Fed establece las tasas de interés.
Por supuesto, la observación de que los resultados dependen de supuestos no es nueva. La
pregunta operativa es si las suposiciones hechas en los modelos VAR son más convincente que
en otros modelos econométricos. Esta es una cuestión de calentamiento debate y es
cuidadosamente discutido por Leeper, Sims y Zha (1996), Christiano, Eichenbaum y Evans
(1999), Cochrane (1998), Rudebusch (1998) y Sims (1998) A continuación se presentan tres
críticas importantes del modelado VAR estructural.
Primero, ¿qué es lo que realmente compone los "choques" VAR? En gran parte, estos choques,
como aquellos en regresión convencional, reflejan factores omitidos del modelo. Si estos los
factores están correlacionados con las variables incluidas, luego las estimaciones VAR contener
sesgo variable omitido. Por ejemplo, los funcionarios de la Reserva Federal podrían se burlan
de la idea de que siguieron mecánicamente una regla de Taylor, o cualquier otra regla
mecánica de coeficiente fijo que involucra solo unas pocas variables; más bien, sugieren que
sus decisiones se basan en un análisis sutil de muchos datos macroeconómicos factores, tanto
cuantitativos como cualitativos. Estas consideraciones, cuando se omiten del VAR, termina en
el término de error y (incorrectamente) se convierte en parte de la estimación "shock"
histórico utilizado para estimar una respuesta impulsiva. Un ejemplo concreto de esto en la
literatura VAR involucra el "rompecabezas de precios". Los primeros VAR mostraron un
resultado extraño: la inflación tendió a aumentar luego del endurecimiento de la política
monetaria. Una explicación para esto (Sims, 1992) fue que la Fed estaba esperando cuando fijó
las tasas de interés y que los VAR simples omitieron variables que podrían usarse para predecir
el futuro inflación. Cuando estas variables omitidas indicaron un aumento de la inflación, la
Fed tendió a aumentar las tasas de interés. Por lo tanto, estos shocks de tasa de interés VAR
presagiados aumentos en la inflación. Debido a las variables omitidas, el VAR etiquetado
erróneamente estos aumentos en las tasas de interés como choques monetarios, lo que
condujo a un impulso sesgado respuestas De hecho, la explicación de Sims del rompecabezas
de los precios ha llevado a la práctica de incluyendo precios de productos básicos en VAR para
intentar controlar el futuro previsto inflación.
Segundo, las reglas de política cambian con el tiempo, y las pruebas estadísticas formales
revelan inestabilidad generalizada en VAR de baja dimensión (Stock y Watson, 1996). Los VAR
estructurales de parámetros constantes que pierden esta inestabilidad se identifican
incorrectamente. Por ejemplo, varios investigadores han documentado la inestabilidad en la
política monetaria reglas (por ejemplo, Bernanke y Blinder, 1992; Bernanke y Mihov, 1998;
Clarida, Gali y Gertler, 2000; Boivin, 2000), y esto sugiere una especificación errónea en
Modelos VAR de coeficiente constante (como nuestro ejemplo de tres variables) que se
estiman durante largos períodos de muestra.
En esta discusión, hemos distinguido cuidadosamente entre recursivo y VAR estructurales: los
VAR recursivos utilizan un método mecánico arbitrario para modelar correlación
contemporánea en las variables, mientras que los VAR estructurales utilizan economía teoría
para asociar estas correlaciones con relaciones causales. Lamentablemente, en La literatura
empírica la distinción es a menudo turbia. Es tentador desarrollar "teorías" económicas que,
convenientemente, conducen a un ordenamiento recursivo particular de las variables, de
modo que su VAR "estructural" se simplifique a un VAR recursivo, una estructura llamado una
"cadena causal Wold". Creemos que los investigadores también ceden ante esta tentación a
menudo. Tales teorías adoquinadas, incluso si son superficialmente plausibles, a menudo caen
aparte en una inspección más profunda. Raramente agrega valor al reempaquetado de un VAR
recursivo y venderlo como estructural.
A pesar de estas críticas, creemos que es posible tener una identificación creíble supuestos en
un VAR. Un enfoque es explotar el conocimiento institucional detallado un ejemplo de esto es
el estudio de Blanchard y Perotti (1999) sobre los efectos macroeconómicos de la política
fiscal. Argumentan que el código tributario y las reglas de gasto imponer restricciones estrictas
sobre la forma en que los impuestos y el gasto varían dentro del trimestre, y usan estas
restricciones para identificar los cambios exógenos en los impuestos y gasto necesario para el
análisis causal. Otro ejemplo es Bernanke y Mihov. (1998), quienes utilizan un modelo del
mercado de reservas para identificar choques de política monetaria. Un enfoque diferente
para la identificación es utilizar restricciones a largo plazo para identificar choques, por
ejemplo, King, Plosser, Stock y Watson (1991) usan el largo plazo neutralidad del dinero para
identificar choques monetarios. Sin embargo, los supuestos basados en El futuro infinito
plantean sus propias preguntas (Faust y Leeper, 1997) un enfoque constructivo es reconocer
explícitamente la incertidumbre en el supuestos que subyacen al análisis VAR estructural y ven
qué inferencias o rango de inferencias, todavía se puede hacer. Por ejemplo, Fausto (1998) y
Uhlig (1999) discutir los métodos de inferencia que pueden aplicarse utilizando solo
restricciones de desigualdad en las respuestas de impulso teóricas (por ejemplo, las
contracciones monetarias no causar auges).
Análisis de políticas
Se pueden analizar dos tipos de políticas utilizando un VAR: innovaciones únicas, en que se
mantiene la misma regla; y cambios en la regla de política. El estimado El efecto de las
innovaciones puntuales es una función de las respuestas impulsivas a una política. La
innovación y los posibles riesgos asociados con estos ya se han discutido.
Las cosas son más difíciles si uno quiere estimar el efecto de cambiar la política reglas. Si las
verdaderas ecuaciones estructurales involucran expectativas (por ejemplo, una expectativa
Curva de Phillips), entonces las expectativas dependerán de la regla de política; así, en en
general, todos los coeficientes VAR dependerán de la regla. Esta es solo una versión del Lucas
(1976) crítica. La importancia práctica de la crítica de Lucas para este tipo del análisis de
políticas VAR es un tema de debate.
Los VAR son herramientas poderosas para describir datos y generar pronósticos de referencia
multivariados confiables. El trabajo técnico se mantiene, principalmente extendiéndose VAR a
dimensiones más altas y estructuras no lineales más ricas. Incluso sin estos extensiones
importantes, sin embargo, los VAR han hecho contribuciones duraderas al conjunto de
herramientas del macroeconométrico para abordar estas dos tareas.
Aunque los VAR tienen limitaciones cuando se trata de inferencia estructural y análisis de
políticas, también lo hacen las alternativas. Los modelos macroeconómicos dinámicos
calibrados de equilibrio general estocástico son explícitos sobre los vínculos causales y las
expectativas. y proporcionar un marco intelectualmente coherente para el análisis de políticas.
Pero el La generación actual de estos modelos no se ajusta bien a los datos. En el otro
extremo, modelos simples de ecuaciones simples, por ejemplo, regresiones de inflación contra
rezagos Las tasas de interés son fáciles de estimar y, en ocasiones, pueden generar buenos
pronósticos. Pero Si es difícil distinguir la correlación y la causalidad en un VAR, lo es aún más.
en modelos de ecuación única, que, en cualquier caso, pueden verse como una ecuación
sacado de un VAR más grande. Usado sabiamente y basado en el razonamiento económico y
detalle institucional, los VAR pueden ajustarse a los datos y, en el mejor de los casos, pueden
proporcionar estimaciones razonables de algunas conexiones causales. Desarrollando y
fusionando bien La teoría y los detalles institucionales con métodos estadísticos flexibles como
los VAR deberían mantener a los macroeconomistas ocupados en el nuevo siglo.