Estimación de Modelos de Equilibrio General en Economías Dinámicas por Métodos de Monte Carlo y Cadenas de Markov

 dc.creator Estévez, Gloria dc.creator Infante, Saba dc.creator Sáez, Francisco dc.date.accessioned 2015-05-19T19:01:04Z dc.date.available 2015-05-19T19:01:04Z dc.date.issued 2012-03-08 00:00:00 dc.identifier.citation http://revistas.ucr.ac.cr/index.php/matematica/article/view/2102 dc.identifier.issn dc.identifier.uri https://hdl.handle.net/10669/13004 dc.description.abstract This paper describes a general procedure to do Bayesian inference based on the likelihood evaluation of the stochastic general equilibrium models (MEGE) through Markov Chain Monte Carlo methods (MCMC). The proposed methodology involves log linearizing the model, transformed into state space form, then use the Kalman filter to evaluate the likelihood function and finally apply the Metropolis Hastings algorithm to estimate the posterior distribution parameters. Technique is illustrated using the stochastic growth of basic model, considering quarterly data on the Venezuelan economy between the first quarter of (1984) through the third quarter of (2004). The empirical analysis made allows us to conclude that the algorithms used to estimate the model parameters work efficiently and low computational cost, the estimates obtained are consistent, that is, estimates of the predictions adequately reflect the behavior of the product, employment, consumption and investment per capita in the country. The graphs of the estimated histograms show bimodal and skewed distributions. dc.description.abstract En este trabajo se describe un procedimiento general para hacer inferencia bayesiana basados en la evaluación de la verosimilitud de los modelos de equilibrio general estocásticos (MEGE) a través de los métodos de Monte Carlo por Cadenas de Markov (MCMC). La metodología propuesta requiere log linealizar los modelos, transformarlos en la forma espacio estado, luego utilizar el filtrode Kalman para evaluar la función de verosimilitud y finalmente aplicar el algoritmo Metropolis Hastings para estimar los parámetros de la distribución a posteriori. Se ilustra la técnica mediante el uso del modelo básico de crecimiento estocástico, considerando datos trimestrales de la economía venezolana comprendidos entre el primer trimestre de (1984) hasta el tercer trimestre de (2004). El análisis empírico realizado nos permite concluir que los algoritmos utilizados para estimar los parámetros del modelo trabajan de manera eficiente y a bajo costo computacional, las estimaciones obtenidas son consistentes, es decir, los estimados de las predicciones reflejan adecuadamente el comportamiento del producto, el empleo, el consumo y la inversión per capita del país. En las gráficas de los histogramas estimados se observa que tienen comportamientos bimodales y distribuciones asimétricas. dc.format.extent 7-36 dc.relation.ispartof Revista de Matemática: Teoría y Aplicaciones Vol. 19 Núm. 1 2012 dc.title Estimation of General Equilibium Model in Dynamic Economies using Markov Chain Monte Carlo Methods dc.title Estimación de Modelos de Equilibrio General en Economías Dinámicas por Métodos de Monte Carlo y Cadenas de Markov dc.type artículo científico dc.date.updated 2015-05-19T19:01:05Z dc.language.rfc3066 es dc.identifier.doi 10.15517/rmta.v19i1.2102
﻿