Please use this identifier to cite or link to this item: https://hdl.handle.net/20.500.11851/943
Title: Comparision of GMM, maximum likelihood and Bayesian estimations in estimating structural parameters of DSGE models
Other Titles: Rastsal genel denge modellerinin yapısal parametrelerinin tahmininde GMM, en çok olabilirlik ve Bayes tahmin metodlarının karşılaştırılması
Authors: Taş, Bedri Kamil Onur
Toprak, Hasan Halit
Keywords: Bayes Kestirim Yöntemi
Bayes Estimation Method
Bayes yaklaşımı
Bayes approach
Dinamik stokastik genel denge modeli
Dynamic stochastic general equilibrium model
Genel denge kuramı
General equlibrium theory
Genelleştirilmiş momentler yöntemi
Generalized method of moments
Maksimum olabilirlik yöntemi
Maximum likelihood method
Momentler yöntemi
Moments method
Issue Date: 2014
Publisher: TOBB Ekonomi ve Teknoloji Üniversitesi Sosyal Bilimleri Enstitüsü
Source: Toprak, H.(2014).Comparision of GMM, maximum likelihood and Bayesian estimations in estimating structural parameters of DSGE models.Ankara:TOBB ETÜ Sosyal Bilimler Enstitüsü.[Yayınlanmamış Yüksek Lisans Tezi]
Abstract: 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.
Dynamic stochastic general equilibrium (DSGE) models are macroeconomic models derived from microeconomic principles. These models and estimation methods of their parameters have been very popular among macroeconomists over the past 25 years. Identification of structural parameters of DSGE models is subject of many studies. In this study we compare three estimation methods: Bayesian estimation, maximum likelihood estimation and generalized method of moments estimation, in the cases of (i) if the shocks have an autocorrelated pattern (ii) if data is small. We generate artificial data at the length of 60 and 180 by using our model with true parameters and obtain the estimated parameters from these estimators. Then, for eve-ry estimator, we compare the value of estimated parameters with true ones. The model we use is the three equation New Keynesian model including the Euler condi-tion, Philips curve and monetary policy equations. As a result of comparison, for all cases, with and without autocorrelation and small and large sample sizes, Bayesian estimation performs best. However, it should be noted that if Dynare allowed us to expand the border of priors for Bayesian estima-tor, the result might be different.
URI: https://tez.yok.gov.tr/UlusalTezMerkezi/tezSorguSonucYeni.jsp
https://hdl.handle.net/20.500.11851/943
Appears in Collections:İktisat Yüksek Lisans Tezleri / Economics Master Theses

Files in This Item:
File Description SizeFormat 
363097.pdfHasan Halit Toprak_tez273.11 kBAdobe PDFThumbnail
View/Open
Show full item record

CORE Recommender

Page view(s)

30
checked on Dec 26, 2022

Download(s)

12
checked on Dec 26, 2022

Google ScholarTM

Check


Items in GCRIS Repository are protected by copyright, with all rights reserved, unless otherwise indicated.