Description

Abstract: The author evaluates the ability of a variety of output-gap estimators to accurately measure the output gap in a model economy. A small estimated model of the Canadian economy is used to generate artificial data. Using output and inflation data generated by this model, the author uses each output-gap estimation methodology to construct an estimate of the true output gap. He then evaluates the methodologies by comparing their respective estimates of the output gap with the true gap. The estimators are evaluated on the basis of correlations between the actual and estimated output gap, as well as the root-mean-squared estimation error. The author also varies the properties of potential output and the output gap in the data-generating process to test the robustness of his results. His findings indicate that an estimator that combines the Hodrick-Prescott filter with a Blanchard-Quah structural vector autoregression (SVAR) yields an estimate that is accurate compared with competing methods at the end-of-sample. He also finds that the performance of the SVAR relative to that of other methodologies is quite robust to violations in the identifying assumptions of the SVAR.

Résumé: L'auteur évalue la capacité de différents estimateurs à mesurer l'écart de production dans le cadre d'une économie modélisée. Il utilise un petit modèle estimé de l'économie canadienne afin de générer des données artificielles sur la production et l'inflation. À partir de ces données, il s'attache à calculer le véritable écart de production en ayant recours à une batterie de méthodes d'estimation. Il analyse ensuite l'efficacité de ces dernières en comparant l'écart obtenu à l'aide de chacune d'elles au véritable écart. Les estimateurs sont évalués sur la base des corrélations entre l'écart effectif et l'écart estimé de même qu'à la lumière du critère de la racine carrée de l'erreur quadratique moyenne. Pour vérifier la robustesse des résultats, l'auteur modifie aussi les propriétés de la production potentielle et de l'écart de production dans le processus générateur des données. D'après ses conclusions, la combinaison du filtre de Hodrick-Prescott avec la méthode de Blanchard-Quah fondée sur l'emploi d'un vecteur autorégressif structurel donne une estimation plus précise que les autres méthodes en fin d'échantillon. L'auteur constate également que la méthode de Blanchard-Quah est supérieure aux autres même lorsque ses hypothèses d'identification ne sont pas respectées.

Details

PDF

Files

Statistics

from
to
Export
Download Full History