The simplification, solution and estimation of a small open DSGE model : Evidence from the UK and Canada
Notice bibliographique
Résumé
This thesis makes three main contributions to the literature on Dynamic Stochastic General Equilibrium (DSGE) models. The first contribution is to bridge the gap between a theoretical small open DSGE model provided by Gali and Monacelli and an empirical model developed by Lubik and Schorfheide, as no previous studies have shown their relationship explicitly. Since all the models suffer from the misspecification problem to some extent, the second contribution is to apply two methodologies including DSGE-VAR approach and indirect inference to study the effect of the possibly misspecified equation of the change rate of terms of trade. The third contribution is to search for the model with the best data fitting in two stages of model comparisons. The thesis assumes that the parameters of the simplified DSGE model are constant at the first stage, and based on the constant parameter models with the best performance on data fitting, it assumes a subset of the parameters including exogenous shock variances and policy parameters follow two independent Markov-switching Markov chains at the second stage. The empirical results are quite different for the UK and Canada within the sample period covering 1992: Q4 – 2008: Q4. The UK data supports that the movement of the nominal exchange rate should not enter into the monetary policy reaction function. Also, the data supports that it is possible for the UK to experience the two kinds of structural changes, including the economic environment and the behaviours of policymakers simultaneously. Comparatively, Canadian data is in favour of the movement of the nominal exchange rate in the policy function. Moreover, the data supports that it is less likely for Canada to experience two kinds of structural changes simultaneously.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».