2009
18/2009
Noncausal vector autoregression
Kirjoittaja(t): Markku Lanne – Pentti Saikkonen
2009. 63 sivua.
Julkaisija: Suomen Pankki
ISBN 978-952-462-520-3 (painettu julkaisu)
ISBN 978-952-462-521-0 (verkkojulkaisu)
Hakusanat: ei-fundamentaalinen, ei-kausaalinen, ei-normaalinen, elliptinen jakauma, finanssipolitiikan ennakoitavuus, korkojen aikarakenne, suurimman uskottavuuden estimointi, C32, C46, C52, E62, G12, Markku Lanne, Pentti Saikkonen
Tutkimuksessa tarkastellaan ei-kausaalista vektoriautoregressiivistä (VAR) mallia ja sen soveltuvuutta taloudellisten aikasarjojen analysointiin. Ei-kausaalinen VAR-malli ei ole identifioituva normaalisten aikasarjojen tapauksessa, joten mallin soveltaminen vaatii virhetermin ei-normaalisuuden. Tutkimuksessa johdetaan mallin uskottavuusfunktio ja osoitetaan (approksimatiivisen) suurimman uskottavuuden estimaattorin asymptoottinen normaalisuus, kun virhetermin jakauma kuuluu elliptisten jakaumien luokkaan. Samalla perustellaan uskottavuusteorian tavanomaisten testien soveltuvuus. Tutkimuksessa korostetaan ei-kausaalisuuden huomioon ottamisen tärkeyttä empiirisessä taloudellisessa tutkimuksessa. Vaikka ei-kausaalista VAR-mallia vastaakin aina samaa astetta oleva kausaalinen VAR-malli, johtaa kausaalisen mallin käyttäminen oikean ei-kausaalisen mallin asemesta epäoptimaalisiin ennusteisiin ja mahdollisesti virheellisiin johtopäätöksiin. Ei-kausaalisuudella todetaan olevan läheinen yhteys ei-fundamentaalisuuteen eli tilanteeseen, jossa talouden rakenteellisia sokkeja ei voida johtaa kausaalisesta VAR-mallista. Tutkimuksessa esitetty menetelmä kausaalisen ja ei-kausaalisen VAR-mallin erottamiseksi voidaan tulkita testiksi ei-fundamentaalisuudelle. Tätä menetelmää ja ei-kausaalisen VAR-mallin soveltamista havainnollistetaan kahdella esimerkillä, jotka käsittelevät finanssipolitiikan ennakoitavuutta ja korkojen aikarakennetta.