Preview

Вопросы экономики

Расширенный поиск
Доступ открыт Открытый доступ  Доступ закрыт Только для подписчиков

Тестирование структурного сдвига в агрегированной функции потребления домохозяйств РФ

https://doi.org/10.32609/0042-8736-2021-5-91-106

Полный текст:

Аннотация

В работе рассматривается простая агрегированная функция потребления, в которой российские домохозяйства потребляют постоянную долю перманентного дохода. Величина дохода оценивается ими в рамках процесса адаптивных ожиданий на основе динамики ВВП в постоянных ценах потребления. Проводится тестирование наличия структурного сдвига в неизвестный момент времени в параметре склонности к потреблению. Результаты эконометрического оценивания, учитывающие наличие эндогенности в уравнении регрессии, свидетельствуют о том, что после 2014 г. произошел структурный сдвиг, в результате которого параметр склонности к потреблению перманентного ВВП снизился на 6,5—9,2% от прежнего уровня.

Об авторах

А. В. Полбин
Российская академия народного хозяйства и государственной службы при Президенте РФ; Институт экономической политики имени Е. Т. Гайдара
Россия

Полбин Андрей Владимирович, к.э.н., завлабораторией математического моделирования экономических процессов РАНХиГС, заместитель зав. международной лабораторией математического моделирования экономических процессов Института Гайдара

Москва



А. А. Скроботов
Российская академия народного хозяйства и государственной службы при Президенте РФ (Москва); Институт экономической политики имени Е. Т. Гайдара (Москва); Санкт-Петербургский государственный университет (Санкт-Петербург)
Россия

Скроботов Антон Андреевич, к.э.н., с.н.с. лаборатории макроэкономического прогнозирования РАНХиГС, с.н.с. лаборатории краткосрочного прогнозирования Института Гайдара, в. н. с. Центра эконометрики и бизнес аналитики СПбГУ



Список литературы

1. Айвазян С. А., Бродский Б. Е. (2018). Ретроспективный анализ структурных сдвигов в моделях СОУ с переменной структурой. Часть 1 // Экономика и математические методы. Т. 54, № 2. С. 62—70. https://doi.org/10.7868/S042473881802005X

2. Дробышевский С. М., Идрисов Г. И., Каукин А. С., Павлов П. Н., Синельников-Мурылев С. Г. (2018). Декомпозиция темпов роста российской экономики в 2007—2017 гг. и прогноз на 2018—2020 гг. // Вопросы экономики. № 9. С. 5—31. https://doi.org/10.32609/0042-8736-2018-9-5-31

3. Ершов М. В., Танасова А. С. (2019). Мир и Россия: инфляция минимальна, экономический рост замедляется, риски повышаются // Вопросы экономики. № 12. С. 5—23. https://doi.org/10.32609/0042-8736-2019-12-5-23

4. Зубарев А. В., Нестерова К. В. (2019). Оценка последствий пенсионной реформы в России в глобальной CGE-OLG модели // Экономический журнал Высшей школы экономики. Т. 23, № 3. С. 384—417.

5. Мау В. А. (2020). Экономика и политика 2019—2020 гг.: глобальные вызовы и национальные ответы // Вопросы экономики. № 3. С. 5—27. https://doi.org/10.32609/0042-8736-2020-3-5-27

6. Орешкин М. С. (2018). Перспективы экономической политики // Экономическая политика. Т. 13, № 3. С. 8—27. https://doi.org/10.18288/1994-5124-2018-3-01

7. Полбин А. В. (2020). Оценка траектории темпов трендового роста ВВП России в ARX-модели с ценами на нефть // Экономическая политика. Т. 15, № 1. С. 40—63. https://doi.org/10.18288/1994-5124-2020-1-40-63

8. Полбин А., Синельников-Мурылев С. (2020). Оценка простой модели системы одновременных уравнений для российских макроэкономических показателей. (Научные труды № 180). М.: Изд-во Института Гайдара.

9. Anatolyev S. (2005). GMM, GEL, serial correlation and asymptotic bias. Econometrica, Vol. 73, No. 3, pp. 983—1002. https://doi.org/10.1111/j.1468-0262.2005.00601.x

10. Anatolyev S., Gospodinov N. (2011). Methods for estimation and inference in modern econometrics. Boca Raton, FL: Chapman and Hall/CRC.

11. Andrews D. W. K. (1999). Consistent moment selection procedures for generalized method of moments estimation. Econometrica, Vol. 67, No. 3, pp. 543—564. https://doi.org/10.1111/1468-0262.00036

12. Bai J., Perron P. (1998). Estimating and testing linear models with multiple structural changes. Econometrica, Vol. 66, No. 1, pp. 47—78. https://doi.org/10.2307/2998540

13. Baker S.R., Bloom N., Davis S. J. (2016). Measuring economic policy uncertainty. Quarterly Journal of Economics, Vol. 131, No. 4, pp. 1593—1636. https://doi.org/10.1093/qje/qjw024

14. Boldea O., Cornea-Madeira A., Hall A. R. (2019). Bootstrapping structural change tests. Journal of Econometrics, Vol. 213, No. 2, pp. 359—397. https://doi.org/10.1016/j.jeconom.2019.05.019

15. Caldara D., Iacoviello M. (2019). Measuring geopolitical risk. Working paper, Board of Governors of the Federal Reserve Board.

16. Elliott G., Rothenberg T. J., Stock J. H. (1996). Efficient tests for an autoregressive unit root. Econometrica, Vol. 64, No. 4, pp. 813—836. https://doi.org/10.2307/2171846

17. Friedman M. A. (1957). Theory of the consumption function. Princeton: Princeton University Press.

18. Kitamura Y. (1997). Empirical likelihood methods with weakly dependent processes. Annals of Statistics, Vol. 25, No. 5, pp. 2084—2102. https://doi.org/10.1214/aos/1069362388

19. Kitamura Y., Stutzer M. (1997). An information-theoretic alternative to generalized method of moments estimation. Econometrica, Vol. 65, No. 4, pp. 861—874. https://doi.org/10.2307/2171942

20. Hall A. R. (2005). Generalized method of moments. New York: Oxford University Press. Hall A. R., Han S., Boldea O. (2012). Inference regarding multiple structural changes in linear models with endogenous regressors. Journal of Econometrics, Vol. 170, No. 2, pp. 281—302. https://doi.org/10.1016/j.jeconom.2012.05.006

21. Hall A. R., Inoue A., Jana K., Shin C. (2007). Information in generalized method of moments estimation and entropy-based moment selection. Journal of Econometrics, Vol. 138, No. 2, pp. 488—512. https://doi.org/10.1016/j.jeconom.2006.05.006

22. Hall A. R., Peixe F. P. M. (2003). A consistent method for the selection of relevant instruments in linear models. Econometric Reviews, Vol. 22, No. 3, pp. 269—288. https://doi.org/10.1081/ETC-120024752

23. Hansen B. E. (2000). Testing for structural change in conditional models. Journal of Econometrics, Vol. 97, No. 1, pp. 93—115. https://doi.org/10.1016/S0304-4076(99)00068-8

24. Hansen L. P. (1982). Large sample properties of generalized methods of moments estimators. Econometrica, Vol. 50, No. 4, pp. 1029—1054. https://doi.org/10.2307/1912775

25. Hansen L. P., Heaton J., Yaron A. (1996). Finite-sample properties of some alternative GMM estimators. Journal of Business and Economic Statistics, Vol. 14, No. 3, pp. 262—280. https://doi.org/10.1080/07350015.1996.10524656

26. Hong H., Preston B., Shum M. (2003). Generalized empirical likelihood-based model selection criteria for moment condition models. Econometric Theory, Vol. 19, No. 6, pp. 923—943. https://doi.org/10.1017/S0266466603196028

27. Kurozumi E. (2002). Testing for stationarity with a break. Journal of Econometrics, Vol. 108, No. 1, pp. 63—99. https://doi.org/10.1016/S0304-4076(01)00106-3

28. Kwiatkowski D., Phillips P. C. B., Schmidt P., Shin Y. (1992). Testing the null hypothesis of stationarity against the alternative of a unit root. Journal of Econometrics, Vol. 54, No. 1—3, pp. 159—178. https://doi.org/10.1016/0304-4076(92)90104-Y

29. Newey W. K., Smith R. J. (2004). Higher order properties of GMM and generalized empirical likelihood estimators. Econometrica, Vol. 72, No. 1, pp. 219—255. https://doi.org/10.1111/j.1468-0262.2004.00482.x

30. Newey W. K., West K. D. (1994). Automatic lag selection in covariance matrix estimation. Review of Economic Studies, Vol. 61, No. 4, pp. 631—653. https://doi.org/10.2307/2297912

31. Ng S., Perron P. (2001). Lag length selection and the construction of unit root tests with good size and power. Econometrica, Vol. 69, No. 6, pp. 1519—1554. https://doi.org/10.1111/1468-0262.00256

32. Owen A. (1988). Empirical likelihood ratio confidence intervals for a single functional. Biometrika, Vol. 75, No. 2, pp. 237—249. https://doi.org/10.1093/biomet/75.2.237

33. Perron P., Qu Z. (2007). A simple modification to improve the finite sample properties of Ng and Perrons unit root tests. Economics Letters, Vol. 94, No. 1, pp. 12—19. https://doi.org/10.1016/j.econlet.2006.06.009

34. Perron P., Yamamoto Y. (2014). A note on estimating and testing for multiple structural changes in models with endogenous regressors via 2SLS. Econometric Theory, Vol. 30, No. 2, pp. 491—507. https://doi.org/10.1017/S0266466613000388

35. Perron P., Yamamoto Y. (2015). Using OLS to estimate and test for structural changes in models with endogenous regressors. Journal of Applied Econometrics, Vol. 30, No. 1, pp. 119—144. https://doi.org/10.1002/jae.2320

36. Polbin A. (2020). Multivariate unobserved component model for an oil-exporting economy: The сase of Russia. Applied Economics Letters, Vol. 28, No. 8, pp. 681—685. https://doi.org/10.1080/13504851.2020.1770678

37. Polbin A., Sinelnikov-Murylev S. (2020). A simple macro-econometric simultaneous equation model for the Russian economy. Post-Communist Economies. https://doi.org/10.1080/14631377.2020.1793607

38. Smith R. J. (1997). Alternative semi-parametric likelihood approaches to generalized method of moments estimation. Economic Journal, Vol. 107, No. 441, pp. 503—519. https://doi.org/10.1111/j.0013-0133.1997.174.x


Дополнительные файлы

Для цитирования:


Полбин А.В., Скроботов А.А. Тестирование структурного сдвига в агрегированной функции потребления домохозяйств РФ. Вопросы экономики. 2021;(5):91-106. https://doi.org/10.32609/0042-8736-2021-5-91-106

For citation:


Polbin A.V., Skrobotov A.A. Testing for structural break in aggregated consumption function of Russian households. Voprosy Ekonomiki. 2021;(5):91-106. (In Russ.) https://doi.org/10.32609/0042-8736-2021-5-91-106

Просмотров: 347


ISSN 0042-8736 (Print)