|
|
|
|
|
| 姜, 興起; KYO, KOKI. |
| ベイズ型平滑化事前分布のアプローチを用いて、時変構造を持つ生産関数モデルの構築とパラメータ推定の方法を提案した。また、開発した方法を日本、米国、中国、韓国、台湾のデータに適用し、経済成長の要因分析を行った。本研究の新規提案法は、経済成長の実証分析において非常に有望なアプローチといえる。その主な特徴は、モデルにおける全要素生産性(TFP)および産出の要素弾力性の時間的変化パターンを厳密に推定できることである。 We constructed production function models with time-varying structure and developed methods for parameter estimation based on a Bayesian smoothness priors approach. The Bayesian models are applied to data for Japan，US，China，South Korea and Taiwan. Our proposed methods can be applied widely as a promising approach for empirical analyses of economic growth. The main feature is that time-varying total factor productivity (TFP) and time-varying elasticities of output with respect to factors of production can be estimated accurately |
|
Palavras-chave: ベイズモデル; 平滑化事前分布; 経済時系列分析; 経済成長; 動的生産関数. |
| Ano: 2012 |
URL: http://ir.obihiro.ac.jp/dspace/handle/10322/3278 |
| |
|
|
| 姜, 興起; 野田, 英雄; Kyo, Koki; Noda, Hideo. |
| 多くの経済時系列データは，トレンド，季節変動，循環変動などの複数の変動成分 を含むと考えられる．本稿では，循環変動がAR モデルで表現される場合の変動成分 (AR 成分) に着目する．モデル構築においてそうした経済時系列の構造が適切に反映さ れていなければ，分析の結果，誤った結論を導く危険性がある．本稿の目的は，AR 成 分を導入した季節調整モデルのパラメータを推定するための新たなアプローチを開発し， 従来のアプローチとの比較で我々の新規提案法の優位性を示すことである．新規提案の 逐次推定法と従来の同時最適化による同時推定法のアルゴリズムのパフォーマンスをシ ミュレーションによって検討した結果，逐次推定法のアルゴリズムの方がきわめて短い 計算時間で済み，かつ安定的な推定結果を導くことが確認された． In general, economic time series data consist of trend, seasonal variation, cyclical variation, and others. This paper focuses on a cyclical variation represented by an autoregressive (AR) model, that is, AR component. If such structure of economic time series is not appropriately reflected in modeling, then analytical results might be misleading. This paper aims to develop a new method for estimating... |
|
Palavras-chave: 同時推定法; 逐次推定法; 経済時系列解析; 季節調整; 状態空間モデル; Simultaneous estimation; Recursive estimation; Economic time series analysis; Seasonal adjustment; State space model. |
| Ano: 2011 |
URL: http://ir.obihiro.ac.jp/dspace/handle/10322/3127 |
| |
|
|
| Noda, Hideo; Kyo, Koki; 野田, 英雄; 姜, 興起. |
| This paper aims to develop an alternative production function-based approach for analyzing economic fluctuations at the sectoral level, by applying Bayesian techniques. To estimate total factor productivity (TFP) and elasticities of output with respect to factors of production, we incorporate smoothness priors into statistical models based on sectoral production functions. In addition, we consider that TFP generally varies smoothly; however in some situations there may be abrupt changes. Therefore, to relieve difficulties resulting from abrupt changes in TFP, a new method, termed the random grouping method, is introduced. Compared with the conventional production function approach, a main advantage of our proposed methods is to make detailed analysis of... |
|
Palavras-chave: Bayesian modeling; Sectoral TFP; Smoothness priors; Random grouping method; Chinese economy. |
| Ano: 2010 |
URL: http://ir.obihiro.ac.jp/dspace/handle/10322/3126 |
| |
|
|
|
