Data-Driven Identification Constraints for DSGE Models

Tutkimustuotos: ArtikkelijulkaisuArtikkeliTieteellinenvertaisarvioitu

Abstrakti

We propose imposing data-driven identification constraints to alleviate the multimodality problem arising in the estimation of poorly identified dynamic stochastic general equilibrium models under non-informative prior distributions. We also devise an iterative procedure based on the posterior density of the parameters for finding these constraints. An empirical application to the Smets and Wouters () model demonstrates the properties of the estimation method, and shows how the problem of multimodal posterior distributions caused by parameter redundancy is eliminated by identification constraints. Out-of-sample forecast comparisons as well as Bayes factors lend support to the constrained model.

Alkuperäiskielienglanti
LehtiOxford Bulletin of Economics and Statistics
Vuosikerta80
Numero2
Sivut236-258
Sivumäärä23
ISSN0305-9049
DOI - pysyväislinkit
TilaJulkaistu - huhtikuuta 2018
OKM-julkaisutyyppiA1 Alkuperäisartikkeli tieteellisessä aikakauslehdessä, vertaisarvioitu

Tieteenalat

  • 511 Kansantaloustiede

Siteeraa tätä