¿Qué métodos -inspirados en la econometría estructural de Haavelmo- pueden demostrar que un modelo de equilibrio parcial no es fiable?

Question

Según Spanos 2014 Revisando la econometría estructural de Haavelmo: Salvando las distancias entre la teoría y los datos Los modelos de Equilibrio General Dinámico Estocástico son estadísticamente inadecuados, en un orden de magnitud tal que los hace inútiles.

El problema más grave de los modelos DSGE es que suelen ser estadísticamente inadecuados. Sin embargo, los defensores de los modelos DSGE han de los modelos DSGE han presentado una serie de argumentos para explicar la falta de fiabilidad de de sus pruebas, como "el precio que hay que pagar por unos modelos teóricos rigurosos y de los modelos teóricos rigurosos y relevantes para las políticas" (Lucas, 1980, p. 696), o simplemente inevitable: "Los modelos construidos en este marco teórico son necesariamente muy abstractos. En consecuencia, son necesariamente falsos, y las pruebas de hipótesis estadísticas los rechazarán. Sin embargo, esto Esto no implica, sin embargo, que no se pueda aprender nada de tales ejercicios teóricos cuantitativos". cuantitativos". (Prescott, 1986, p. 10)

Parte de mi investigación consiste en utilizar modelos de equilibrio parcial para simular un segmento concreto de una economía.

Teniendo en cuenta lo anterior, ¿con qué métodos empezaría a demostrar que un determinado modelo de equilibrio no es estadísticamente fiable?

Answer 1

Se me ocurren dos grandes formas.

1. Pruebas formales de ajuste del modelo: Si está utilizando el SMM, el GMM o la influencia indirecta, compruebe el J-stat . Si se utiliza la máxima probabilidad, se desea un ratio de probabilidad . Pruebas de modelos bayesianos es similar a los cocientes de probabilidad, pero más complicado. Muchos de los modelos DSGE fueron rechazados sobre estas bases (se puede ver a Sargent discutirlo brevemente en esta entrevista ). Todas estas pruebas son muy similares.
2. Rendimiento fuera de la muestra: Estime el modelo y utilícelo para predecir datos fuera de la muestra. Esta es una prueba difícil, pero es muy útil. No son tan comunes en economía, pero los estadísticos las utilizan mucho (a menudo dejan fuera parte de los datos y prueban el modelo fuera de muestra). Probablemente quieras que tu modelo pase una prueba formal en muestra antes de hacer una prueba fuera de muestra.

Todas estas pruebas se basan en la misma intuición, extremadamente básica: Si el modelo es bueno, debería ajustarse bien a los datos. Si el modelo no se ajusta a los datos, probablemente no sea bueno.