Außenhandelsbeziehungen zwischen China, USA, EU Makroökonometrie Vorlesung Dr. Oliver Bode Univariate Zeitreihenmodelle Außenhandelsbeziehungen zwischen China, USA, EU Motivation • Ziel: Prognose von ökonomischen Variablen • Strukturelle ökonometrische Modelle vs. Zeitreihenmodelle • Strukturelle Modelle greifen auf ökonomische Theorie zurück • Univariate Zeitreihenmodelle verwenden nur die Information der Zeitreihe selbst Univariate Zeitreihenmodelle Außenhandelsbeziehungen zwischen China, USA, EU Motivation • Einfache Zeitreihenmodelle besitzen oft bessere Prognoseeigenschaften als komplexe strukturelle Modelle (bspw. Simultane Gleichungsmodelle) • Beispiel: Zusammenhang von Arbeitslosigkeit und Inflation Schätzung des kontemporären Zusammenhangs der beiden Größen Für Prognose der Arbeitslosigkeit benötigt man Inflationsprognose Zeitreihenanalyse prognostiziert zukünftige Arbeitslosigkeit aus vergangenen Werten Univariate Zeitreihenmodelle Außenhandelsbeziehungen zwischen China, USA, EU Motivation • Entstehungsseite des BIP • Prognose der einzelnen Wirtschaftsbereiche bis Ende 2008 anhand von ARIMA-Modellen (auf Basis der Quartalsdaten ab 1991) Land- und Forstwirtschaft, Fischerei Produzierendes Gewerbe Produzierendes Gewerbe ohne Baugewerbe Bergbau und Gewinnung von Steiner und Erden Verarbeitendes Gewerbe Energie- und Wasserversorgung Baugewerbe Univariate Zeitreihenmodelle Außenhandelsbeziehungen zwischen China, USA, EU ARIMA-Modelle • Betrachtung der Zeitreihe einer ökonomischen Variable ( y1 ,, yT ) • Interpretation: Folge von Zufallsvariablen, die einem stochastischen Prozess folgen • Gegenwärtige Werte einer ökonomischen Variable werden durch vergangene Werte dieser Größe erklärt Univariate Zeitreihenmodelle Außenhandelsbeziehungen zwischen China, USA, EU ARIMA-Modelle • Autoregressives Modell erster Ordnung (AR(1)Prozess): yt yt 1 t , 1 E ( t ) 0 , Var ( t ) 2 und Cov ( t , s ) 0 für t s yt , t 1, , T schwach stationär, d. h. : E ( yt ) , Var ( yt ) 0 und Cov ( yt , yt k ) k • Hier ergibt sich: 2 2 k E ( yt ) 0 , Var ( yt ) und Cov ( yt , yt k ) 2 1 1 2 Univariate Zeitreihenmodelle Außenhandelsbeziehungen zwischen China, USA, EU ARIMA-Modelle • Moving Average-Prozess erster Ordnung (MA(1)Prozess): yt t t 1 t , t 1,..., T White - Noise - Prozess • Hier ergibt sich: E ( yt ) 0 , Var ( yt ) (1 2 ) 2 und Cov ( yt , yt 1 ) 2 Außerdem gilt: Cov ( yt , yt k ) 0 für k 2 Univariate Zeitreihenmodelle Außenhandelsbeziehungen zwischen China, USA, EU ARIMA-Modelle • Autokorrelationskoeffizienten k : Cov ( yt , yt k ) k k Var ( yt ) 0 • AR(1)-Prozess: k k , k 1, 2, • MA(1)-Prozess: 1 2 und 1 k 0 für k 2 • Sehr unterschiedliche Auswirkungen von Schocks in den betrachteten Modellen Univariate Zeitreihenmodelle Außenhandelsbeziehungen zwischen China, USA, EU ARIMA-Modelle Allgemeine Formulierung von ARMA-Modellen • AR(p)-Prozess: yt 1 yt 1 2 yt 2 p yt p t • MA(q)-Prozess: yt t 1 t 1 q t q • ARMA(p,q)-Prozess: yt 1 yt 1 2 yt 2 p yt p t 1 t 1 q t q Univariate Zeitreihenmodelle Außenhandelsbeziehungen zwischen China, USA, EU ARIMA-Modelle • Keine grundsätzlichen Unterschiede zwischen autoregressiven und Moving Average-Prozessen • AR(1)-Prozess darstellbar als unendlicher Moving Average-Prozess: yt j t j j 0 • Darstellung des stochastischen Prozesses abhängig von der Fragestellung bzw. dem verfolgten Ziel Univariate Zeitreihenmodelle Außenhandelsbeziehungen zwischen China, USA, EU Stationarität • Strikt stationär vs. schwach stationär • Schwache Stationarität umfasst drei Ebenen: Mittelwert: Variable schwankt im Zeitablauf um einen konstanten Wert kein Trend Varianz: Variable besitzt eine zeitkonstante (endliche) Varianz Kovarianz: Einfluss vergangener Realisationen der Variable auf ihren gegenwärtigen Verlauf nimmt ab Univariate Zeitreihenmodelle Außenhandelsbeziehungen zwischen China, USA, EU BIP im Zeitverlauf LRGDP_SA 640 630 620 610 600 590 580 570 1980 1985 1990 1995 2000 2005 Univariate Zeitreihenmodelle Außenhandelsbeziehungen zwischen China, USA, EU DLBIP im Zeitverlauf DLRGDP_SA 4 3 2 1 0 -1 -2 -3 1980 1985 1990 1995 2000 2005 Univariate Zeitreihenmodelle Außenhandelsbeziehungen zwischen China, USA, EU Stationarität • Folgende Prozesse sind stationär: AR(p)-Prozess mit 1 2 p 1 MA(q)-Prozess ARMA(p,q)-Prozess mit 1 2 p 1 • Beispiele: AR(2)-Prozess und MA(2)-Prozess Univariate Zeitreihenmodelle Außenhandelsbeziehungen zwischen China, USA, EU Instationarität • Beispiel: Deterministische Trendkomponente yt b t yt 1 t yt yt yt 1 b t t 2 yt yt yt 1 yt 2 yt 1 yt 2 b t t 1 • Beispiel: Random-Walk-Prozess yt yt 1 t • Berechnung der Erwartungswerte, Varianzen und Kovarianzen Univariate Zeitreihenmodelle Außenhandelsbeziehungen zwischen China, USA, EU Definition Lag-Operator L yt yt 1 , L2 yt yt 2 ,, Lp yt yt p L0 1, L1 yt yt 1 2 p • Lag-Polynom: ( L) 1 1 L 2 L p L • AR(p)-Prozess: ( L) yt t Univariate Zeitreihenmodelle Außenhandelsbeziehungen zwischen China, USA, EU Invertierbarkeit von Lag-Polynomen • AR(1)-Prozess: 1 L L j L j (1 L) 1 falls 1 2 2 j 0 • AR(2)-Prozess: 1 1L 2 L2 (1 1L)(1 2 L) Charakteristisches Polynom: (1 1 z )(1 2 z ) 0 invertierbar falls z1 1 und z2 1 Univariate Zeitreihenmodelle Außenhandelsbeziehungen zwischen China, USA, EU Invertierbarkeit von Lag-Polynomen • Bedeutung: Autoregressiver Prozess erster Ordnung ist stationär genau dann wenn das AR-Polynom invertierbar Spezialfall: Einheitswurzel (z 1) Invertierbarkeit ist wichtig bei der Schätzung des Prozesses und im Rahmen der Prognose Univariate Zeitreihenmodelle Außenhandelsbeziehungen zwischen China, USA, EU Einheitswurzeln • ARMA(p,q)-Modell: ( L) yt ( L) t • Annahme: (L) besitzt eine Einheitswurzel und alle anderen Lösungen des charakteristischen Polynoms sind größer als 1 * * • ARIMA(p-1,1,q)-Modell: ( L)(1 L) yt ( L)yt ( L) t • yt ist integriert vom Grad 1, d.h. yt ist stationär Univariate Zeitreihenmodelle Außenhandelsbeziehungen zwischen China, USA, EU Einheitswurzeltests • Dickey-Fuller-Test: Nullhypothese: yt ist nicht stationär basierend auf der Regression yt yt 1 t beziehungsweise yt (1 ) yt 1 t H 0 : 0 vs. H1 : 0 Schätzung des Regressionsmodells mit OLS Univariate Zeitreihenmodelle Außenhandelsbeziehungen zwischen China, USA, EU Einheitswurzeltests • Dickey-Fuller-Test: Kritische Werte ergeben sich nicht aus der gewöhnlichen t-Verteilung Problem: Störgrößen müssen die klassischen Annahmen des multiplen Regressionsmodells erfüllen Autokorrelierte Störgrößen stellen den Regelfall dar (falls p>1) Lösung: Erweiterter Dickey-Fuller-Test Univariate Zeitreihenmodelle Außenhandelsbeziehungen zwischen China, USA, EU Einheitswurzeltests • Erweiterter Dickey-Fuller-Test: Einbeziehung zusätzlicher verzögert endogener Variablen Basierend auf der Regression: m yt yt 1 j yt j t j 1 Sukzessive Erhöhung der Lag-Länge zur Erreichung der White-Noise-Eigenschaft Kritische Werte entsprechen denen des DickeyFuller-Test Univariate Zeitreihenanalyse Außenhandelsbeziehungen zwischen China, USA, EU Beispiel Inflation LCPI_SA 480 470 460 450 440 430 420 410 400 390 1980 1985 1990 1995 2000 2005 Univariate Zeitreihenanalyse Außenhandelsbeziehungen zwischen China, USA, EU Beispiel Inflation DLCPI_SA 2.5 2.0 1.5 1.0 0.5 0.0 -0.5 1980 1985 1990 1995 2000 2005 Univariate Zeitreihenanalyse Außenhandelsbeziehungen zwischen China, USA, EU Beispiel Inflation DDLCPI_SA 1.6 1.2 0.8 0.4 0.0 -0.4 -0.8 -1.2 1980 1985 1990 1995 2000 2005 Univariate Zeitreihenanalyse Außenhandelsbeziehungen zwischen China, USA, EU Beispiel Inflation Null Hypothesis: LCPI_SA has a unit root Exogenous: Constant Lag Length: 3 (Automatic based on SIC, MAXLAG=12) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level *MacKinnon (1996) one-sided p-values. t-Statistic Prob.* -1.797257 -3.485586 -2.885654 -2.579708 0.3804 Außenhandelsbeziehungen zwischen China, USA, EU Univariate Zeitreihenanalyse Beispiel Inflation Null Hypothesis: DLCPI_SA has a unit root Exogenous: Constant Lag Length: 2 (Automatic based on SIC, MAXLAG=12) Augmented Dickey-Fuller test statistic 1% level Test critical values: 5% level 10% level *MacKinnon (1996) one-sided p-values. t-Statistic Prob.* -2.498564 -3.485586 -2.885654 -2.579708 0.1183 Außenhandelsbeziehungen zwischen China, USA, EU Univariate Zeitreihenanalyse Beispiel Inflation Null Hypothesis: DDLCPI_SA has a unit root Exogenous: Constant Lag Length: 1 (Automatic based on SIC, MAXLAG=12) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level *MacKinnon (1996) one-sided p-values. t-Statistic Prob.* -12.60146 -3.485586 -2.885654 -2.579708 0.0000