Go to page

Bibliographic Metadata

Links
Abstract

Die Dissertation untersucht empirisch die Dynamiken von makroökonomischen Prozessen unter Verwendung von nicht- und semi-parametrischen Ansätzen. Eine Herausforderung ist dabei der Trendverlauf makroökonomischer Variablen über die Zeit, der die Anpassung von parametrischen Modellen erschwert. Folglich müssen makroökonomische Zeitreihen für die Durchführung weiterer Analysen um diesen Trend bereinigt werden. Dazu wird die Zeitreihe in eine deterministische und eine stochastische Komponente zerlegt. Es wird eine lokal polynomiale Schätzmethode für den deterministischen Trend vorgeschlagen, die auf einem iterativen plug-in (IPI) Algorithmus zur Bandbreitenwahl basiert und eine weitere parametrische Analyse der zyklischen Komponente ermöglicht. Folglich wird eine sowohl statistisch- als auch ökonomisch-basierte Methode für die Analyse von Wachstums- und Konjunktur-Phänomenen verwendet. Der für die Trendschätzung entwickelte, datengesteuerte IPI Algorithmus zur Bestimmung der Bandbreite kommt dabei ohne Modellannahmen für den stationären Teil aus. Diese nicht-parametrische Methode wird in der Dissertation zuerst theoretisch eingeführt, bevor die Vorteile der Methode in einer Simulation praktisch dargelegt werden. An die um den Trend bereinigten Daten kann anschließend ein beliebiges Modell für die Analyse der zyklischen Komponente angepasst werden. Die Anpassung eines Self-Exciting Threshold Autoregressiven (SETAR) Modells für die Analyse des Zyklus liefert Evidenz für asymmetrische Konjunkturzyklen. Des Weiteren vertieft die Analyse der Trendfunktion das Verständnis langfristiger Wachstumstrends und liefert signifikante Evidenz für eine säkulare Stagnation. Die Erweiterung mit einem Linearitätstest ermöglicht die Untersuchung des Startpunktes und des Ausmaßes der Stagnation.

Abstract

This thesis empirically analyzes the dynamics of macroeconomic processes using modern non- and semiparametric approaches. The main challenge for the analysis of macroeconomic variables is their trending behavior over time, which render parametric model fitting a complex task. Therefore, macroeconomic time series need to be detrended for further analysis and thus divided into different components, a deterministic and a stochastic part. The introduction of a recently developed local polynomial method for the deterministic trend estimation with an iterative plug-in (IPI) algorithm for bandwidth selection and the subsequent parametric analysis of the residual component solve this challenge. Thus, a flexible, statistically and economically based approach is used for the investigation of dynamics concerning growth and business cycle theory. Therefore, a data-driven IPI bandwidth selection algorithm is developed in order to estimate a suitable trend function without prior model assumptions. This nonparametric estimation approach is introduced theoretically and its advantages are demonstrated in an extensive simulation study. After the trend is estimated and removed from the data, any model can be fitted to the standardized cyclical component. Using a Self-Exciting Threshold Autoregressive (SETAR) model for the parametric cycle analysis provides evidence for asymmetric business cycles. Furthermore, the nonparametric analysis of the trend sheds light on long-term growth processes and provides significant evidence for the phenomenon of secular stagnation. The advantages of this method combined with a developed linearity test determine the starting point and magnitude of secular stagnation. The stable trend estimation and appropriate bandwidth selection show the advantages of the approach for the analysis of macroeconomic processes. ...

Stats