Description
Abstract: authors examine the issue of lag-length selection in the context of a structural vector autoregression (VAR) and a vector error-correction model with long-run restrictions. First, they show that imposing long-run restrictions implies, in general, a moving-average (MA) component in the stationary multivariate representation. Then they examine the sensitivity of estimates of the permanent and transitory components to the selection of the lag length required in a VAR system to approximate this MA component. In summary, they find that using a lag structure that is too short can lead to a significant estimation bias of the permanent and transitory components. In addition, in comparing four different lag-selection criteria, they find that the Schwarz information criterion systematically underperforms relative to the other tests. More generally, as the order of the VAR that best approximates the data-generating process increases, the sequence-based tests (Wald, likelihood ratio) tend to provide more reliable results than the information-based tests (Akaike, Schwarz).
Résumé: Dans la présente étude, les auteurs examinent la question du choix des retards dans un modèle structurel d'autorégression vectorielle ou modèle vectoriel de correction des erreurs avec contraintes de long terme. Ils montrent tout d'abord que l'imposition de telles contraintes implique généralement qu'une composante de moyennes mobiles (MA) intervient dans la représentation stationnaire du modèle à plusieurs variables. Puis ils examinent le degré de sensibilité que les estimations des composantes permanente et temporaire du modèle doivent afficher par rapport au choix du retard dans un système autorégressif pour s'approcher de cette composante MA. En somme, ils trouvent que l'utilisation d'une structure de retard de trop courte durée peut entraîner une distorsion importante de l'estimation des composantes permanente et temporaire. En outre, une comparaison de quatre critères différents du choix des retards révèle que les tests axés sur le critère d'information de Schwarz produisent toujours des résultats moins probants que les autres. De façon générale, au fur et à mesure que s'accroît l'ordre du vecteur autorégressif qui fournit la meilleure approximation du processus de génération de données, les tests séquentiels (Wald, rapport des vraisemblances) tendent à produire des résultats plus fiables que ceux qui s'appuient sur les critères d'information (Akaike, Schwarz).
Résumé: Dans la présente étude, les auteurs examinent la question du choix des retards dans un modèle structurel d'autorégression vectorielle ou modèle vectoriel de correction des erreurs avec contraintes de long terme. Ils montrent tout d'abord que l'imposition de telles contraintes implique généralement qu'une composante de moyennes mobiles (MA) intervient dans la représentation stationnaire du modèle à plusieurs variables. Puis ils examinent le degré de sensibilité que les estimations des composantes permanente et temporaire du modèle doivent afficher par rapport au choix du retard dans un système autorégressif pour s'approcher de cette composante MA. En somme, ils trouvent que l'utilisation d'une structure de retard de trop courte durée peut entraîner une distorsion importante de l'estimation des composantes permanente et temporaire. En outre, une comparaison de quatre critères différents du choix des retards révèle que les tests axés sur le critère d'information de Schwarz produisent toujours des résultats moins probants que les autres. De façon générale, au fur et à mesure que s'accroît l'ordre du vecteur autorégressif qui fournit la meilleure approximation du processus de génération de données, les tests séquentiels (Wald, rapport des vraisemblances) tendent à produire des résultats plus fiables que ceux qui s'appuient sur les critères d'information (Akaike, Schwarz).