TY  - THES
A3  - Trede, Mark
A3  - Trede, Mark M.
A3  - Trede, M.
AB  - Diese Arbeit befasst sich mit der lokalen Identifikation von nicht-linearen und nicht-gaussianischen DSGE Modellen. Es werden Strategien entwickelt, um Probleme der Identifizierbarkeit zu erkennen und zu vermeiden. Dabei wird ein umfassender Überblick über vorhandene Methoden für linearisierte DSGE Modelle gegeben und diese um Restriktionen durch höhere Momente, Kumulanten und Polyspektren erweitert. Weiterhin wird in der Arbeit die Identifizierung durch höhere Approximationen begründet. Mithilfe einer abgeschnittenen Zustandsraumdarstellung werden formale Rangkriterien für die lokale Identifizierbarkeit der Parameter von nicht-linearen und nicht-gaussianischen DSGE Modellen hergeleitet. Mit diesen Methoden lässt sich Identifizierbarkeit bereits vor der Schätzung des nicht-linearen Modells überprüfen. Auf diese Weise wird gezeigt, dass alle Parameter des Kim (2003) als auch des An und Schorfheide (2007) Modells mit einer Approximation zweiter Ordnung identifiziert werden können.
AU  - Mutschler, Willi
DA  - 2016
KW  - Identifizierung
KW  - Pruning
KW  - Kumulanten
KW  - Polyspektren
KW  - Nicht-Gaussianität
KW  - Nicht-Linearität
KW  - Identification
KW  - Cumulants
KW  - Polyspectra
KW  - Non-Gaussian
KW  - Nonlinear
LA  - eng
N1  - Auch im Buchhandel erhältlich: Local identification of nonlinear and non-Gaussian DSGE models / Willi Mutschler. – Münster : Monsenstein und Vannerdat, 2016. – VII, 140 S. (Wissenschaftliche Schriften der WWU Münster : Reihe IV ; Bd. 10), ISBN 978-3-8405-0135-7, Preis: 13,60 EUR
PY  - 2016
TI  - Local identification of nonlinear and non-Gaussian DSGE models
UR  - https://nbn-resolving.org/urn:nbn:de:hbz:6-97219489383
Y2  - 2024-11-22T10:37:29
ER  -