Yüksek LisansAçık Erişim

Rastsal genel denge modellerinin yapısal parametrelerinin tahmininde GMM, en çok olabilirlik ve Bayes tahmin metodlarının karşılaştırılması

Bu tez size mi ait?

Bu kayıt toplu arşivden geldi. Sizinse profilinize bağlayın.

2014
0 görüntülenme
0 i̇ndirme

Özet (TR)

Rastsal genel denge modelleri, mikroekonomik prensiplerden elden edilen makroe-konomik modellerdir. Bu modeller ve parametre tahmin yöntemleri ekonomistler arasında 25 yıldır popülerliğini koruyor. Bu genel denge modellerinin yapısal para-metrelerinin belirlenmesi konusu bir çok akademik çalışmanın ana teması olagelmiştir. Bu çalışmada biz şu 3 tahmin yöntemini (i) şoklar otokorelasyona sahip olursa (ii) ve veri seti küçük ise durumları altında karşılaştırıyoruz: Bayesyan yöntemi, en çok olabilirlik ve GMM. Gerçek parametreleri kullanarak 60 ve 180 uzunluğunda veri üretip, bu verileri kul-lanarak bahsi geçen üç tahmin yöntemi ile yapısal parametreleri tahmin ediyoruz. Daha sonra her bir tahmin yöntemi için bu tahmin edilen parametre ile gerçek para-metreyi karşılaştırıyoruz. Kullandığımız model, Euler şartı, Philips eğrisi ve para politikası denkleminden oluşan bir Yeni Keynesyen model. Karşılaştırma sonucunda, bütün durumlarda, otokorelasyon olsun veya olmasın, veri büyüklüğü küçük olsun ya da olmasın, Bayes yöntemi en iyi yöntem olarak görüldü. Fakat şu unutulmamalıdır ki, eğer Dynare Bayes yönteminde kullandığımız öncüllerin sınırlarını genişletmemize izin verseydi, sonuç farklı olabilirdi. Anahtar Kelimeler: Rastsal Genel Denge Modelleri, Bayes. Genelleştirilmiş Moment Metodu,En Çok Olabilirlik, Yapısal Parametreler

Yazar

Hasan Halit Toprak

Bu Yayına Nasıl Atıf Yapılır

Hasan Halit Toprak (Yüksek Lisans Tezi). Rastsal genel denge modellerinin yapısal parametrelerinin tahmininde GMM, en çok olabilirlik ve Bayes tahmin metodlarının karşılaştırılması, 2014, TOBB Economics and Technology University.

Lisans

Tüm Hakları Saklıdır

Bu eser belirtilen lisans koşulları altında paylaşılmaktadır.

TOBB Economics and Technology University tezlerinden daha fazlası