FrançaisEnglish

Érudit | Dépôt de documents >
CIRANO - Centre interuniversitaire de recherche en analyse des organisations >
Cahiers scientifiques >

Please use this identifier to cite or link to this item:

https://depot.erudit.org//id/002873dd

Title: Finite-Sample Simulation-Based Inference in VAR Models with Applications to Order Selection and Causality Testing
Authors: Dufour, Jean-Marie
Jouini, Tarek
Issue Date: 2005-08
Publisher: Centre interuniversitaire de recherche en analyse des organisations (CIRANO)
Series/Report no.: Série scientifique (CIRANO);2005s-26
Scientific series (CIRANO);2005s-26
Abstract: Les tests statistiques sur des modèles autorégressifs multivariés (VAR) sont habituellement basés sur des approximations de grands échantillons, qui utilisent une loi asymptotique ou une technique de bootstrap. Après avoir montré que ces méthodes peuvent être très peu fiables, même avec des échantillons de taille assez grande, particulièrement lorsque le nombre des retards ou le nombre d'équations augmentent, nous proposons une technique générale basée sur la simulation qui permet de contrôler parfaitement le niveau des tests dans les modèles VAR paramétriques. En particulier, nous montrons que la technique des tests de Monte Carlo maximisés [Dufour (2005, Journal of Econometrics)] fournit des tests exacts pour de tels modèles, que ceux-ci soient stationnaires ou intégrés. Sélectionner l'ordre du modèle ainsi que tester la causalité au sens de Granger sont étudiés comme problèmes particuliers dans ce cadre. La technique proposée est appliquée à des modèles VAR, trimestriels et mensuels, de l'économie américaine, comprenant le revenu, la monnaie, un taux d'intérêt et le niveau des prix, sur la période 1965-1996.

Statistical tests in vector autoregressive (VAR) models are typically based on large-sample approximations, involving the use of asymptotic distributions or bootstrap techniques. After documenting that such methods can be very misleading even with fairly large samples, especially when the number of lags or the number of equations is not small, we propose a general simulation-based technique that allows one to control completely the level of tests in parametric VAR models. In particular, we show that maximized Monte Carlo tests [Dufour (2005, Journal of Econometrics)] can provide provably exact tests for such models, whether they are stationary or integrated. Applications to order selection and causality testing are considered as special cases. The technique developed is applied to quarterly and monthly VAR models of the U.S. economy, comprising income, money, interest rates and prices, over the period 1965-1996.
URI: http://www.cirano.qc.ca/pdf/publication/2005s-26.pdf
https://depot.erudit.org/id/002873dd
ISSN: 1198-8177
Appears in Collections:Cahiers scientifiques

Files in This Item:

2005s-26.pdf (Adobe PDF ; 416.42 kB)

Items in the Repository are protected by copyright, with all rights reserved, unless otherwise indicated.

 

About Érudit | Subscriptions | RSS | Terms of Use | Contact us |

Consortium Érudit ©  2016