Abstract:
Contrary to claims in studies on financial economics, a sparse database often obscures the identification of parameters in macroeconomic models. These identification problems originate from the poorly defined mapping between a structural model and reduced-form parameters. Hence, researchers rely on prominent estimation methods, such as Bayesian approaches, which require sound knowledge of prior distributions on parameters. These approaches, however, are characterized by a flat likelihood and/or a posterior distribution driven mainly by prior information. To alleviate identification issues, we apply approximate Bayesian computation combined with the choice of specific moment conditions. This estimation approach not only allows for circumventing high dimensional likelihood functions but also avoids parameter identification problems given the use of a bootstrap method. Our estimation method is successfully applied to a hybrid version of the New Keynesian model.
Abstract (Translated):
Entgegen den Behauptungen in Studien zur Finanzökonomie erschwert eine spärliche Datenbasis oft die Identifizierung von Parametern in makroökonomischen Modellen. Diese Identifizierungsprobleme entstehen durch die schlecht definierte Abbildung zwischen einem strukturellen Modell und dessen Parametern in reduzierter Form. Daher greifen Forscher auf bekannte Methoden wie die Bayesianische Schätzung zurück, die eine fundierte Kenntnis der a-priori-Verteilungen der Parameter erfordert. Solche Ansätze zeichnen sich jedoch durch eine flache Likelihood-Verteilung und/oder eine, hauptsächlich durch a-priori-Informationen getriebene, posteriore Verteilung aus. Um Identifizierungsprobleme zu mildern, verwenden wir in diese Studie die Approximative Bayesianische Berechnungsmethode in Kombination mit der Wahl spezifischer Momente-Bedingungen. Dieser Schätzansatz ermöglicht nicht nur die Umgehung hochdimensionaler Likelihood-Funktionen, sondern vermeidet durch die Verwendung einer Bootstrap-Methode auch Probleme bei der Parameteridentifizierung. Unsere Schätzmethode wird erfolgreich auf eine hybride Version des Neukeynesianischen Modells angewendet.