000001455 001__ 1455
000001455 005__ 20250211155824.0
000001455 0247_ $$a10.34989/swp-2007-56$$2DOI
000001455 035__ $$a10.34989/swp-2007-56
000001455 041__ $$aeng
000001455 084__ $$aC Mathematical and Quantitative Methods$$02849
000001455 084__ $$aC3 Multiple or Simultaneous Equation Models; Multiple Variables$$02871
000001455 084__ $$aC32 Time-Series Models; Dynamic Quantile Regressions; Dynamic Treatment Effect Models; Diffusion Processes; State Space Models$$02874
000001455 084__ $$aC5 Econometric Modeling$$02889
000001455 084__ $$aC53 Forecasting and Prediction Methods; Simulation Methods$$02893
000001455 084__ $$aE Macroeconomics and Monetary Economics$$03005
000001455 084__ $$aE4 Money and Interest Rates$$03035
000001455 084__ $$aE47 Forecasting and Simulation: Models and Applications$$03041
000001455 245__ $$aEstimation and Inference by the Method of Projection Minimum Distance
000001455 260__ $$bBank of Canada
000001455 269__ $$a2007
000001455 300__ $$a1 online resource (iii, 67 pages)
000001455 336__ $$aText
000001455 347__ $$bPDF
000001455 520__ $$aA covariance-stationary vector of variables has a Wold representation whose coefficients can be semi-parametrically estimated by local projections (Jordà, 2005). Substituting the Wold representations for variables in model expressions generates restrictions that can be used by the method of minimum distance to estimate model parameters. We call this estimator projection minimum distance (PMD) and show that its parameter estimates are consistent and asymptotically normal. In many cases, PMD is asymptotically equivalent to maximum likelihood estimation (MLE) and nests GMM as a special case. In fact, models whose ML estimation would require numerical routines (such as VARMA models) can often be estimated by simple least-squares routines and almost as efficiently by PMD. Because PMD imposes no constraints on the dynamics of the system, it is often consistent in many situations where alternative estimators would be inconsistent.We provide several Monte Carlo experiments and an empirical application in support of the new techniques introduced.$$7Abstract
000001455 520__ $$aUn vecteur de variables stationnaires en covariance admet une représentation de Wold dont les coefficients peuvent être estimés selon une méthode semi-paramétrique de projection locale (Jordà, 2005). La substitution de représentations de Wold aux variables des équations du modèle génère des restrictions qui peuvent servir à l'estimation des paramètres par la méthode de la distance minimale. Les auteurs donnent à cet estimateur le nom de distance de projection minimale (DPM) et montrent qu'il converge et est asymptotiquement normal. Dans de nombreux cas, l'estimateur DPM est asymptotiquement équivalent à l'estimateur du maximum de vraisemblance et englobe l'estimateur des moments généralisés comme cas particulier. En fait, les modèles dont l'estimation par le maximum de vraisemblance nécessiterait l'emploi d'algorithmes numériques (tels que les modèles VARMA) peuvent souvent être estimés simplement par les moindres carrés et presque aussi efficacement par la méthode de la distance de projection minimale. Comme l'estimateur DPM n'impose aucune restriction à la dynamique du système, il converge dans bien des cas où d'autres estimateurs ne le feraient pas. Les auteurs procèdent à plusieurs simulations de Monte-Carlo et à une application empirique afin d'illustrer l'emploi des nouvelles techniques présentées.$$7Résumé
000001455 540__ $$aCreative Commons Attribution 4.0 International$$uhttps://creativecommons.org/licenses/by/4.0/legalcode$$fCC-BY-4.0
000001455 6531_ $$aEconometric and statistical methods
000001455 6531_ $$aMéthodes économétriques et statistiques
000001455 7001_ $$aJordà, Òscar
000001455 7001_ $$aKozicki, Sharon
000001455 789__ $$w1701-9397$$2ISSN$$eIsPartOf
000001455 791__ $$aJournalArticle$$eIsPreviousVersionOf$$iStaff Working Paper is published in peer-reviewed journal$$2DOI$$tEstimation and Inference by the Method of Projection Minimum Distance: An Application to the New Keynesian Hybrid Phillips Curve$$w10.1111/j.1468-2354.2011.00635.x$$c2011$$dInternational Economic Review (Wiley)$$j52$$k2$$o461$$q487
000001455 8301_ $$aStaff Working Paper
000001455 8301_ $$aDocument de travail du personnel
000001455 8564_ $$uhttps://www.oar-rao.bank-banque-canada.ca/record/1455/files/wp07-56.pdf$$941852c51-056f-4697-b3b5-f1578b54219a$$s735628$$zFile Source: Bank of Canada website, 2024
000001455 909CO $$ooai:www.oar-rao.bank-banque-canada.ca:1455$$pbibliographic
000001455 980__ $$aStaff Research
000001455 980__ $$aRDM
000001455 991__ $$aPublic