Interakce měnové a fiskální politiky před krizí a po ní (Ukázka, strana 99)

Ukázka elektronické knihy, UID: KOS259267

4.

CITLIVOSTNÍ ANALÝZA

Během výstavby ekonometrického modelu je nutné provádět celou řadu modelovacích rozhodnutí, která mohou mít značné dopady na finální výsledky. Některá rozhodnutí lze podepřít vhodnými statistickými kritérii (např. volba počtu zpoždění v modelu), jindy je však volba poměrně arbitrární nebo zcela závisí na příklonu k některé z ekonomických teorií (např. identifikace ekonomických šoků, volba pořadí proměnných v rekurzivně identifikovaných systémech). Tato kapitola se proto zabývá otázkou, do jaké míry jsou výstupy modelu ovlivněny provedenými rozhodnutími, respektive nakolik je možné považovat výsledky za robustní vzhledem k nepatrným, ale i významnějším změnám ve specifikaci modelu. Cílem této části je demonstrovat dvě základní skutečnosti. Za prvé, že výsledky jsou citlivé vůči strategickým rozhodnutím, a naopak za druhé, že výsledky jsou robustní vůči arbitrární volbě parametrů, které nemají z pohledu modelování zásadní charakter.

Identifikovaná citlivost vzhledem k základní volbě strategie odhadu potvrzuje efektivitu námi zvoleného přístupu a nutnost tuto situaci prakticky řešit. Bez použití navrhovaných kroků by nebylo možné získat smysluplné výsledky (bude ukázáno níže). Na druhé straně marginální vliv méně významných rozhodnutí na výsledky dokazuje, že obdobné závěry platí i při přijetí odlišných modelových předpokladů a nejsou významně závislé na zvolených (arbitrárních) nastaveních. Provedená citlivostní analýza se zabývá několika různými dimenzemi modelovacího procesu. V prvé řadě je analyzováno, zda volba bayesovských technik má při odhadu modelu své opodstatnění, Ukázka elektronické knihy, UID: KOS259267

100

nebo zda by bylo možné získat odpovědi na výzkumné otázky také prostřednictvím klasického odhadu (tj. metodou nejmenších čtverců nebo metodou maximální věrohodnosti). Následně je zkoumáno, nakolik ovlivňuje zvolená forma apriorních rozdělení parametrů finální tvar impulzních odezev. Vedle těchto voleb se v rámci citlivostní analýzy zabýváme také dalšími faktory, jako je závislost výsledků na řazení proměnných nebo volbě počtu zpoždění zahrnutých v modelu.

Je nutné zdůraznit, že z prostorových důvodů je vliv alternativní specifikace modelu či alternativních metod odhadu posuzován prostřednictvím dopadů izolované změny v jediném aspektu oproti základní verzi modelu. Teoreticky si lze představit také analýzu, kdy je u výsledků zkoumán vliv současných změn ve více dimenzích, například když je změna v počtu zpoždění zkombinována se změnou v řazení proměnných a je posuzován společný vliv obou změn. Vzhledem k velkému počtu zkoumaných aspektů (dimenzí) a velkému počtu možností napříč každou z dimenzí však výsledný počet různých analyzovatelných nastavení přesahuje únosnou mez a v konečném důsledku by se taková analýza stala nepřehlednou. Přes svá omezení je podle našeho názoru parciální analýza vycházející ze změny v jediné dimenzi postačujícím vodítkem pro zdokumentování dopadů jednotlivých kroků. I tak je množství provedených alternativních odhadů relativně velké a jejich souhrnná prezentace by vyžadovala velký prostor. Z těchto důvodů jsou hlavní výsledky prezentovány formou přílohy (viz příloha 2) a drobnější úpravy jsou komentovány bez doprovodných grafických výstupů pouze slovně.

Zaměřme se nejdříve na průběh impulzních odezev získaných pro předkrizové a pokrizové období pomocí metody nejmenších čtverců („klasický“ odhad – viz příloha 2, graf 1a–d a 2a–d). Srovnáme-li výsledky klasického odhadu pro předkrizové období s bayesovským odhadem, jsou impulzní odezvy získané na základě obou metod v hrubých rysech obdobné, stejně jako klíčové závěry (především na horizontu nepřesahujícím dva roky). To je dáno tím, že v předkrizovém období je dostupný relativně velký počet pozorování a apriorní představy nejsou příliš silné. Za těchto okolností si oba odhady budou podobné.

V případě klasického odhadu dokonce některé impulzní odezvy vykazují menší míru nejistoty a nabízejí ekonomicky očekávatelnější odpověď. Příkladem může být impulzní odezva měnověpolitické sazby na impulz do časové řady inflace.

U bayesovského odhadu je nejistota měřená šíří kredibilních intervalů o něco vyšší58 a maximální odezvu lze pozorovat ve srovnání s klasickým odhadem o něco později. Nejsilnější odezva na inflační šok nastává čtyři čtvrtletí po jeho nastání u bayesovského, respektive dvě čtvrtletí u klasického odhadu (viz příloha 2, graf 1a–d).

58 Je však třeba mít stále na paměti existující věcné rozdíly mezi intervaly spolehlivosti a kredibilními intervaly. Jejich přímé srovnávání není zcela legitimní (viz část 2.1).

Ukázka elektronické knihy, UID: KOS259267