Ir al contenido

Documat

Cointegration Vector Estimation by DOLS for a Three-Dimensional Panel

  • LUIS FERNANDO MELO-VELANDIA [3] ; JOHN JAIRO LEÓN [1] ; DAGOBERTO SABOYÁ [2]
    1. [1] University of Maryland, College Park

      University of Maryland, College Park

      Estados Unidos

    2. [2] Universidad del Rosario

      Universidad del Rosario

      Colombia

    3. [3] Banco de la República Econometric Unit
    Mostrar afiliaciones +
  • Localización: Revista Colombiana de Estadística, ISSN-e 2389-8976, ISSN 0120-1751, Vol. 38, Nº. 1, 2015, págs. 45-73
  • Idioma: inglés
  • DOI: 10.15446/rce.v38n1.48801
  • Títulos paralelos:
    • Estimación de un modelo de cointegración utilizando DOLS para un panel de tres dimensiones
  • Enlaces
  • Resumen
    • español

      Este documento extiende los resultados de los estimadores mínimos cuadrados dinámicos para series cointegradas disponible en la literatura a un panel de tres dimensiones. Se utiliza un panel balanceado de longitudes N y M para un periodo de tiempo de longitud T. El vector de cointegración es homogéneo a través de los individuos; sin embargo, el modelo permite cierto grado de heterogeneidad al usar diferentes dinámicas de corto plazo, efectos fijos y tendencias a niveles individuales. También se utilizan efectos en el tiempo para incluir dependencias cruzadas entre los individuos. El estimador tiene una distribución secuencial límite gausiana en la cual primero T→∞; y posteriormente N→∞, M→∞;. Simulaciones Monte Carlo muestran evidencia de que las propiedades de muestra finita del estimador son cercanas a las asintóticas.

    • English

      This paper extends the results of the dynamic ordinary least squares cointegration vector estimator available in the literature to a three-dimensional panel. We use a balanced panel of N and M lengths observed over T periods. The cointegration vector is homogeneous across individuals but we allow for individual heterogeneity using different short-run dynamics, individual-specific fixed effects and individual-specific time trends. We also model cross-sectional dependence using time-specific effects. The estimator has a Gaussian sequential limit distribution that is obtained by first letting T→∞; and then letting N→∞, M→∞. The Monte Carlo simulations show evidence that the finite sample properties of the estimator are closely related to the asymptotic ones.

  • Referencias bibliográficas
Los metadatos del artículo han sido obtenidos de SciELO Colombia
Fundación Dialnet

Mi Documat

Opciones de artículo

Opciones de compartir

Opciones de entorno