Автор работы: Пользователь скрыл имя, 20 Марта 2013 в 19:40, курсовая работа
С момента своего обнаружения отрицательная взаимосвязь меж-
ду темпом роста зарплаты и безработицей – так называемая кривая
Филлипса – играла важную роль в макроэкономическом моделиро-
вании. Существование такой связи означает, что номинальные по-
казатели, такие как цены, связаны, по крайней мере в краткосрочной
перспективе, с реальными, например, ВВП или безработицей. Не-
смотря на обнаруженную в 1960-х годах нестабильность подобных
функциональных связей и невозможность воздействия на инфляцию
для стимулирования экономики, современные модификации кривой
Филлипса с успехом применяются на практике, например, для прог-
нозирования роста цен ( toc , Watson, 2008а).
1. Введение ..................................................................................... 4
2. Специфика российского рынка труда ....................................... 6
3. Кривая Филлипса....................................................................... 9
4. Спецификация модели и выбор данных ................................. 12
4.1. Индексы цен и безработицы ............................................. 12
4.2. Давление со стороны предложения .................................. 15
4.3. Моделирование инфляционных ожиданий ..................... 16
4.4. Спецификация и метод оценки ........................................ 17
4.5. Структурный сдвиг ............................................................ 18
5. Результаты тестов на структурный сдвиг
и оценки NAIRU для российских данных .................................. 19
6. Заключение............................................................................... 25
Литература.................................................................................... 27
Помимо сводного ИЦП интересно также рассмотреть индекс цен
производителей в обрабатывающих производствах в соответствии с
классификацией ОКВЭД (ниже ИПЦ- ), поскольку добывающие
производства, по-видимому, сильнее монополизированы и в боль-
шей степени зависят от мировой конъюнктуры, чем обрабатываю-
щие производства.
Итак, в качестве зависимой переменной в работе были исследо-
ваны шесть показателей – ИПЦ, БИПЦ, ИЦП, ИЦП- , дефлятор
ВВП и темпы роста удельных издержек на труд, с корректировкой на
тренд производительности. В качестве независимой переменной –
безработица по методологии МОТ.
4.2. Давление со стороны предложения
Для корректного исследования влияния давления спроса на цены,
то есть циклических переменных, таких как безработица, необходи-
мо учесть и давление со стороны предложения, или давление издер-
жек (cost-pus ). В качестве переменных, соответствующих шокам со
стороны издержек, обычно ( ordon, toc , 1998) рассматриваются
цены на импортные товары и цены на энергоносители.
Цены в России, как в малой открытой экономике с высокой за-
висимостью от экспорта энергоносителей и от импорта товаров, силь-
но подвержены влиянию мировой экономической конъюнктуры. Так,
высокая инфляция 1998 г. была вызвана резким ростом курса долла-
ра и, следовательно, цен на импортные товары. Ослабление курса
рубля в 2008 г. также послужило причиной роста цен.
Динамика цен на нефть также оказывает влияние на динамику
цен в России. Причем влияние это происходит по двум каналам: пря-
мому – через цены на топливо в потребительской корзине, и косвен-
ному – через удешевление импортных товаров в результате увеличе-
ния профицита торгового баланса России и укрепления курса рубля
к доллару.
В свете приведенных выше доводов представляется логичным вы-
делить как минимум два фактора издержек – темпы роста цен нанефть и темпы роста курса доллара к рублю. В качестве первого по-
казателя были взяты данные по ценам на нефть марки URAL агентст-
ва «U. U. . . Energy Information Administration» за конец квартала по от- . Energy Information Administration» за конец квартала по от- . Energy Information Administration» за конец квартала по от- Energy Information Administration» за конец квартала по от- Information Administration» за конец квартала по от- Information Administration» за конец квартала по от- Administration» за конец квартала по от- Administration» за конец квартала по от » за конец квартала по от--
ношению к концу предыдущего квартала. Затем рубля по отношению
к доллару ЦБ РФ (рублей за доллар), подвергнутый аналогичному
преобразованию.
4.3. Моделирование инфляционных ожиданий
При моделировании инфляционных ожиданий обычно исполь-
зуют один из двух подходов. Первый подход заключается в исполь-
зовании рациональных ожиданий. Оценка моделей с рациональны-
ми ожиданиями производится при помощи условий ортогональности
и обобщенного метода моментов. Такой подход с точки зрения нео-
кейнсианской теории является самым обоснованным. Однако на
практике данный подход плохо согласуется с наблюдаемой инерци-
ей инфляции.
Другой подход заключается в моделировании инфляционных ожи-
даний как адаптивных в виде взвешенной суммы запаздывающих
значений инфляции. Этот подход, хотя он и подвержен критике Лу-
каса, иногда применяется на практике. В частности, он использо-
вался для определения уровня NAIRU ( NAIRU ( ( ordon, ordon, ordon, ordon, , toc toc toc toc , 1998) и в мо- , 1998) и в мо- , 1998) и в мо- , 1998) и в мо , 1998) и в мо- , 1998) и в мо--
делях для прогнозирования инфляции ( toc , Watson, 2008a). Адап- , Watson, 2008a). Адап- , Watson, 2008a). Адап- Watson, 2008a). Адап- , 2008a). Адап- a). Адап ). Адап--
тивные ожидания, в отличие от рациональных ожиданий, позволяют
моделировать инфляционную инерцию.
В данной работе выбор сделан в пользу адаптивных ожиданий в
силу двух причин. Во-первых, в литературе по оценке трехфактор-
ной модели Гордона используются именно ожидания в форме ла-
гового полинома. Такая спецификация, в частности, дает наилуч-
шие вневыборочные прогнозы инфляции в США ( toc , Wat- , Wat- , Wat Wat--
son, 2008а). Во-вторых, использование адаптивных ожиданий в фор- , 2008а). Во-вторых, использование адаптивных ожиданий в фор-
ме геометрически распределенных лагов позволяет обойтись
меньшим числом параметров, что существенно в условиях корот-
ких временных рядов.
Адаптивные ожидания можно выразить формулой
π
t+1
e
= (1 − α)π
t
+ απ
t
или же, если выразить эту рекуррентную зависимость в явном
виде:
π
t
e
= (1 − α) α
n
π
t−n
n=1
∞
∑ .
Для конечных выборок можно использовать конечное число сла-
гаемых этой бесконечной суммы. При этом, чем больше членов до-
бавлено в модель, тем точнее будут оценки. Однако поскольку до-
бавление дополнительного члена приводит к уменьшению количе-
ства используемых периодов времени на единицу, то в условиях огра-
ниченных временных рядов нужно выбирать компромиссный
вариант. В данном исследовании были использованы 16 лагов. Фак-
тически это означает, что инфляция более чем за четыре года назад
не оказывает прямого влияния на текущие ожидания. Такое прибли-
жение оправдано, когда сумма коэффициентов в остаточной сумме
f (α) = (1 − α) α
k
k=17
∞
∑ = α
16
мала. При близких к единице значениях α
лучшим приближением будет моделировать ожидания константой.
Использование 16 лагов также предполагает, что данные за пер-
вые четыре года выборки выпадают из анализа. Таким образом, раз-
мер выборки сокращается до периода 2001–2010 гг., если использо-
вать доступные данные по инфляции с 1997 г.
4.4. Спецификация и метод оценки
После завершения подготовительной работы можно выписать
уравнения для инфляции и для темпов роста средней заработной пла-
ты. Итак, уравнение для темпов роста цен и заработной платы при-
мет вид
π
t
= β
0
+ β
1
uˆ
t
+ β
2
∆exr
t
+ β
3
∆oil
t
+ (1 − α) α
n
n=1
16
∑ π
t−n
+ ε
t
, (4)
где π
t
– уровень инфляции, û
t
– скорректированный на сезонность
уровень безработицы, ∆exr
t
– прирост логарифма обменного курса
(руб./долл.) в соответствии с (3), ∆oil
t
– прирост логарифма цен на
нефть URAL в соответствии с (3), ε
t
– белый шум, вообще говоря,
с переменной дисперсией.
Уравнение (4) можно эффективно оценить методом концентра-
ции (Анатольев, 2002), поскольку его можно разбить на линейную
часть β
0
+ β
1
uˆ
t
+ β
2
∆exr
t
+ β
3
∆oil
t
и нелинейную часть (1 − α) α
n
n=1
16
∑ π
t−n
,
являющуюся в данном случае функцией всего одного параметра α.
Суть этого метода заключается в том, что нелинейный МНК сводит-
ся к последовательности линейных МНК, каждый из которых про-
водится при фиксированной нелинейной части. Поскольку в данном
случае нелинейная часть параметризуется одной переменной, а про-
странство значений этой переменной – отрезок от 0 до 1, вместо
сложной нелинейной оптимизационной задачи с большой размер-
ностью пространства поиска можно использовать перебор на сетке
по одному параметру. Такой подход в данном случае обеспечивает
быструю сходимость алгоритма и решает проблему зависимости ре-
зультата оптимизации от начальных условий, свойственную для дру-
гих методов минимизации суммы квадратов отклонений, аналогич-
ных методу Ньютона. В связи с этим все расчеты ниже проведены
методом концентрации
3
.
В качестве асимптотической оценки матрицы ковариаций коэф-
фициентов была выбрана форма Уайта, поскольку ожидается, что все
шесть рядов инфляции обладают переменной волатильностью, обус-
ловленной кризисными явлениями.
Константа в спецификации (4) имеет содержательный смысл
β
0
= −β
1
u , где u – уровень безработицы, не ускоряющий инфляцию
(NAIRU). Это позволяет оценить сам уровень NAIRU как ˆ
u = −
ˆ
β
0
/
ˆ
β
1
.
Эта оценка будет иметь асимптотически нормальное распределение
с дисперсией, которую можно оценить при помощи асимптотиче-
ской теории. Вообще говоря, некоторые исследователи ( taiger, toc ,
Watson, 1996) указывают на неточность подобных оценок дисперсии
и предлагают использовать более точные методы. Однако точная оцен-
ка доверительного интервала для NAIRU не является основной
целью данного исследования, поэтому автор оставляет этот вопрос
для дальнейших изысканий.
4.5. Структурный сдвиг
Поскольку ожидается, что отрицательная взаимосвязь инфляции
и безработицы может проявляться не на всем исследуемом интерва-
ле, представляется интересным найти период времени, начиная с
которого можно говорить о наличии отрицательной корреляции между ростом цен и безработицей. Дата структурного сдвига определя-
ется при помощи теста Quandt – Andrews ( toc , Watson, 2008б). Для
этого необходимо, задавшись некоторой датой излома, добавить в
уравнения фиктивную переменную d
t
, равную 1 на промежутке вре-
мени до структурных изменений и равную 0 после структурного из-
лома. Уравнение (4) примет вид
π
t
= β
0
1
d
t
+ β
1
1
uˆ
t
d
t
+ β
0
2
(1 − d
t
) + β
1
2
uˆ
t
(1 − d
t
) +
+β
2
∆exr
t
+ β
3
∆oil
t
+ (1 − α) α
n
n=1
16
∑ π
t−n
+ ε
t
.
(5)
Последовательно изменяя дату обнуления d
t
, можно определить
наиболее правдоподобную дату структурного перехода при помощи
соответствующей статистики, выбрав дату с максимальным значе-
нием статистики Вальда. В данном случае статистика Вальда рас-
считывается для проверки гипотезы о выполнении двух ограниче-
ний β
0
1
− β
0
2
= 0 и β
1
1
− β
1
2
= 0. Первое ограничение соответствует на-
личию смещения в константе, а второе – в коэффициенте при без-
работице.
Следует отметить, что в оригинальной версии теста гипотеза о
наличии структурного сдвига тестируется при помощи F-статистики.
Однако в более общем случае нелинейной регрессии с гетероскеда-
стичными остатками следует использовать статистику Вальда, ко-
торая имеет распределение, асимптотически совпадающее с распре-
делением максимальной F-статистики с точностью до множителя.
В данной работе для поиска даты структурного перехода было ис-
пользовано стандартное окно, урезающее временные ряды на 15%
с обоих краев.
5. Результаты тестов на структурный сдвиг и оценки NAIRU
для российских данных
Выборка для ИПЦ, БИПЦ, ИЦП, дефлятора ВВП и тренда удель-
ных издержек на труд начинается с первого квартала 1997 г. и закан-
чивается в первом квартале 2010 г. Выборка для ИЦП- – только с
первого квартала 1999 г. по четвертый квартал 2009 г. (все доступные
на сегодняшний день официальные данные). Все шесть индексов
цен были подвергнуты тесту Quandt – Andrews, описанному в разделе 4.5. Оценка уравнения (5) производилась нелинейным методом
наименьших квадратов при помощи метода концентрации с поис-
ком параметра α на сетке на отрезке [0,1] (Анатольев, 2002). Резуль-
таты тестов и оценки параметров регрессии (5) приведены в табл. 1.
Оказалось, что для трех индексов – ИЦП, ИЦП- и дефлятора ВВП–
параметр ожиданий α в результате поиска на сетке выходит на пра-
вую границу области значений, то есть α = 1. При таком высоком
значении α замена бесконечного ряда запаздывающих значений ин-
фляции конечной суммой дает заведомо слишком грубое приближе-
ние. Фактически это означает, что слагаемое (1 − α) α
n
n=1
16
∑ π
t−n
равно
нулю. Это равносильно полному отсутствию влияния предыстории
на инфляционные ожидания, то есть моделированию ожидания для
трех индексов ИЦП, ИЦП- и дефлятора ВВП константой. В рабо-
те в целях экономии места приведен только вариант регрессии для
ИЦП, ИЦП- и дефлятора ВВП, в котором априори опущен член
(1 − α) α
n
n=1
16
∑ π
t−n
. Поэтому в табл. 1 для этих трех показателей пара-
метр ожиданий не приведен.
Как было отмечено выше, индексы разбиваются по форме ожи-
даний на две группы. Первая группа состоит из удельных издержек
на труд, ИПЦ и БИПЦ. Вторая из ИЦП, ИЦП- и дефлятора ВВП.
Внутри первой группы ожидания являются достаточно инерцион-
ными – от 0,88 до 0,95. Внутри второй группы инфляция, наоборот,
не зависит от предыдущей истории. С технической точки зрения раз-
личия в результатах обусловлены большой волатильностью индексов
из второй группы. С содержательной точки зрения эта избыточная
волатильность вызвана отсутствием механизма стабилизации цен из
второй группы индексов через укрепление рубля и замещение им-
портом. Например, рост цен на нефть приводит к повышению внут-
ренних цен производителей через возросшие издержки. В то же вре-
мя он приводит к укреплению рубля и, соответственно, удешевлению
потребительских цен благодаря удешевлению импортных товаров.
Этот эффект усиливается замещением отечественных потребитель-
ских товаров относительно дешевеющими импортными аналогами.
В результате импортные товары делают инфляцию на потребитель-
ском рынке стабильной, при том что темпы роста цен производите-
лей сильно колеблются.
Из результатов, приведенных в табл. 1, видно, что во второй по-
ловине выборки наблюдается отрицательная зависимость безраболе 4.5. Оценка уравнения (5) производилась нелинейным методом
наименьших квадратов при помощи метода концентрации с поис-
Информация о работе Результаты тестов на структурный сдвиг и оценки NAIRU для российских данных