Description
Abstract: In this paper, we report results of a Monte Carlo study designed to examine the power of direct tests for non-linearity. The example we use is the Phillips curve. We specify a small model of output and inflation, which includes an important non-linearity in the Phillips curve. The model is calibrated to reflect the properties of the Canadian data. It is then used to generate a number of hypothetical sequences of observations on output and inflation. Output is generated by an unobserved components model — the econometrician observes output but cannot observe potential output or the output gap that influences inflation. Using a number of standard, univariate techniques to measure potential output, we simulate what the econometrician would find in estimating the Phillips curve and testing for non-linearity. We give the econometrician the best possible chance of discovering the non-linearity by assuming that the precisely correct functional form is estimated, including the dynamics arising from expectations. However, our results indicate that the econometrician is quite likely to reject the existence of the non-linearity. The fact that the key determinants of inflation are unobservable makes the estimates imprecise and compromises statistical inference. We also show that this problem is reduced, but not eliminated, if potential output is measured by means of a multivariate filtering procedure that uses information about inflation in identifying the output gap.
Résumé: Dans cette étude, les auteurs présentent les résultats des simulations de MonteCarlo qu'ils ont effectuées afin d'analyser, en prenant comme exemple la courbe de Phillips, la puissance des tests directs de non-linéarité. Ils spécifient un petit modèle de production et d’inflation qui intègre une courbe de Phillips affichant une forte non-linéarité. Après l'avoir adapté de manière à ce qu'il reflète les propriétés des données canadiennes, les auteurs se servent du modèle en question pour produire plusieurs séries d'observations hypothétiques sur la production et l'inflation. Les données de la production sont générées à l'aide d'un modèle à composantes non observées (les économétriciens peuvent observer la production, mais ne peuvent observer ni la production potentielle ni le déséquilibre de la production qui influence l'inflation). En se servant de diverses techniques traditionnelles, univariées, pour mesurer la production potentielle, les auteurs simulent les résultats qu'un économétricien obtiendrait s'il procédait à une estimation de la courbe de Phillips et à un test de non-linéarité. Ils font l'hypothèse que la forme fonctionnelle qui est estimée, y compris la dynamique générée par les anticipations, est connue de façon précise, afin de donner à l'économétricien les meilleures chances possibles de découvrir la non-linéarité. Les résultats obtenus montrent toutefois qu'il est fort probable que l'économétricien rejette la non-linéarité. Le fait que les principaux déterminants de l'inflation ne sont pas observables rend les estimations imprécises et compromet la validité des inférences statistiques. Par ailleurs, les auteurs montrent qu'on atténue le problème, sans le supprimer, en mesurant la production potentielle à l'aide d'une technique de filtrage à plusieurs variables qui met à contribution des renseignements sur l'inflation dans le calcul du déséquilibre de la production.
Résumé: Dans cette étude, les auteurs présentent les résultats des simulations de MonteCarlo qu'ils ont effectuées afin d'analyser, en prenant comme exemple la courbe de Phillips, la puissance des tests directs de non-linéarité. Ils spécifient un petit modèle de production et d’inflation qui intègre une courbe de Phillips affichant une forte non-linéarité. Après l'avoir adapté de manière à ce qu'il reflète les propriétés des données canadiennes, les auteurs se servent du modèle en question pour produire plusieurs séries d'observations hypothétiques sur la production et l'inflation. Les données de la production sont générées à l'aide d'un modèle à composantes non observées (les économétriciens peuvent observer la production, mais ne peuvent observer ni la production potentielle ni le déséquilibre de la production qui influence l'inflation). En se servant de diverses techniques traditionnelles, univariées, pour mesurer la production potentielle, les auteurs simulent les résultats qu'un économétricien obtiendrait s'il procédait à une estimation de la courbe de Phillips et à un test de non-linéarité. Ils font l'hypothèse que la forme fonctionnelle qui est estimée, y compris la dynamique générée par les anticipations, est connue de façon précise, afin de donner à l'économétricien les meilleures chances possibles de découvrir la non-linéarité. Les résultats obtenus montrent toutefois qu'il est fort probable que l'économétricien rejette la non-linéarité. Le fait que les principaux déterminants de l'inflation ne sont pas observables rend les estimations imprécises et compromet la validité des inférences statistiques. Par ailleurs, les auteurs montrent qu'on atténue le problème, sans le supprimer, en mesurant la production potentielle à l'aide d'une technique de filtrage à plusieurs variables qui met à contribution des renseignements sur l'inflation dans le calcul du déséquilibre de la production.