Essays in Macroeconometrics

The thesis consists of three chapters on macroeconometric analysis with heterogeneity. Chapter 1 introduces an efficient data-driven clustering methodology for grouping heterogeneous responses within the local projection-IV framework. The proposed group local projection (GLP) estimator consistently...

Descripción completa

Detalles Bibliográficos
Autor: Huang, Jiaming
Tipo de recurso: tesis doctoral
Estado:Versión publicada
Fecha de publicación:2024
País:España
Institución:CBUC, CESCA
Repositorio:TDR. Tesis Doctorales en Red
OAI Identifier:oai:www.tdx.cat:10803/691968
Acceso en línea:http://hdl.handle.net/10803/691968
Access Level:acceso embargado
Palabra clave:Macroeconometrics
33
id ES_6bdfa8812ea21d5dc7df5ad7908e7010
oai_identifier_str oai:www.tdx.cat:10803/691968
network_acronym_str ES
network_name_str España
repository_id_str
spelling Essays in MacroeconometricsHuang, JiamingMacroeconometrics33The thesis consists of three chapters on macroeconometric analysis with heterogeneity. Chapter 1 introduces an efficient data-driven clustering methodology for grouping heterogeneous responses within the local projection-IV framework. The proposed group local projection (GLP) estimator consistently recovers the latent group structure and the group-specific impulse responses. Chapter 2 introduces a quasi-Bayesian framework that combines general classes of loss functions and priors for joint inference on the latent group structures, including group-level parameters and group assignments. Simulation results demonstrate significant improvements in bias and coverage for group-level parameters compared to existing methods, particularly when group assignments cannot be precisely estimated. Chapter 3 models the joint dynamics of macro aggregates and functional variables within the Structural VAR framework. The proposed functional VAR (FVAR) is easy to implement and fully compatible with conventional SVAR tools. Simulation evidence shows that it performs satisfactorily in finite samples.La tesi consta de tres capítols sobre anàlisi macroeconomètrica amb heterogeneïtat. El capítol 1 presenta una metodologia eficient de clustering basada en dades per agrupar respostes heterogènies dins del marc de projecció local-IV. L’estimador de projecció local de grup (GLP) proposat recupera constantment l’estructura del grup latent i les respostes d’impuls específics del grup. El capítol 2 introdueix un marc quasi bayesià que combina classes generals de funcions de pèrdua i priors per a la inferència conjunta sobre les estructures de grup latents, incloent paràmetres a nivell de grup i assignacions de grup. Els resultats de la simulació demostren millores significatives en el biaix i la cobertura dels paràmetres a nivell de grup en comparació amb els mètodes existents, especialment quan les assignacions de grup no es poden estimar amb precisió. El capítol 3 modela la dinàmica conjunta dels macroagregats i les variables funcionals dins del marc VAR estructural. El VAR funcional proposat (FVAR) és fàcil d’implementar i totalment compatible amb les eines SVAR convencionals. L’evidència de simulació mostra que funciona satisfactòriament en mostres finites.Programa de Doctorat en Economia, Finances i EmpresaUniversitat Pompeu FabraMesters, GeertUniversitat Pompeu Fabra. Departament d'Economia i Empresa202420242026info:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/publishedVersion188 p.application/pdfhttp://hdl.handle.net/10803/691968TDX (Tesis Doctorals en Xarxa)reponame:TDR. Tesis Doctorales en Redinstname:CBUC, CESCAInglésADVERTIMENT. Tots els drets reservats. L'accés als continguts d'aquesta tesi doctoral i la seva utilització ha de respectar els drets de la persona autora. Pot ser utilitzada per a consulta o estudi personal, així com en activitats o materials d'investigació i docència en els termes establerts a l'art. 32 del Text Refós de la Llei de Propietat Intel·lectual (RDL 1/1996). Per altres utilitzacions es requereix l'autorització prèvia i expressa de la persona autora. En qualsevol cas, en la utilització dels seus continguts caldrà indicar de forma clara el nom i cognoms de la persona autora i el títol de la tesi doctoral. No s'autoritza la seva reproducció o altres formes d'explotació efectuades amb finalitats de lucre ni la seva comunicació pública des d'un lloc aliè al servei TDX. Tampoc s'autoritza la presentació del seu contingut en una finestra o marc aliè a TDX (framing). Aquesta reserva de drets afecta tant als continguts de la tesi com als seus resums i índexs.info:eu-repo/semantics/embargoedAccessoai:www.tdx.cat:10803/6919682026-06-14T12:46:07Z
dc.title.none.fl_str_mv Essays in Macroeconometrics
title Essays in Macroeconometrics
spellingShingle Essays in Macroeconometrics
Huang, Jiaming
Macroeconometrics
33
title_short Essays in Macroeconometrics
title_full Essays in Macroeconometrics
title_fullStr Essays in Macroeconometrics
title_full_unstemmed Essays in Macroeconometrics
title_sort Essays in Macroeconometrics
dc.creator.none.fl_str_mv Huang, Jiaming
author Huang, Jiaming
author_facet Huang, Jiaming
author_role author
dc.contributor.none.fl_str_mv Mesters, Geert
Universitat Pompeu Fabra. Departament d'Economia i Empresa
dc.subject.none.fl_str_mv Macroeconometrics
33
topic Macroeconometrics
33
description The thesis consists of three chapters on macroeconometric analysis with heterogeneity. Chapter 1 introduces an efficient data-driven clustering methodology for grouping heterogeneous responses within the local projection-IV framework. The proposed group local projection (GLP) estimator consistently recovers the latent group structure and the group-specific impulse responses. Chapter 2 introduces a quasi-Bayesian framework that combines general classes of loss functions and priors for joint inference on the latent group structures, including group-level parameters and group assignments. Simulation results demonstrate significant improvements in bias and coverage for group-level parameters compared to existing methods, particularly when group assignments cannot be precisely estimated. Chapter 3 models the joint dynamics of macro aggregates and functional variables within the Structural VAR framework. The proposed functional VAR (FVAR) is easy to implement and fully compatible with conventional SVAR tools. Simulation evidence shows that it performs satisfactorily in finite samples.
publishDate 2024
dc.date.none.fl_str_mv 2024
2024
2026
dc.type.none.fl_str_mv info:eu-repo/semantics/doctoralThesis
info:eu-repo/semantics/publishedVersion
format doctoralThesis
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/10803/691968
url http://hdl.handle.net/10803/691968
dc.language.none.fl_str_mv Inglés
language_invalid_str_mv Inglés
dc.rights.none.fl_str_mv info:eu-repo/semantics/embargoedAccess
eu_rights_str_mv embargoedAccess
dc.format.none.fl_str_mv 188 p.
application/pdf
dc.publisher.none.fl_str_mv Universitat Pompeu Fabra
publisher.none.fl_str_mv Universitat Pompeu Fabra
dc.source.none.fl_str_mv TDX (Tesis Doctorals en Xarxa)
reponame:TDR. Tesis Doctorales en Red
instname:CBUC, CESCA
instname_str CBUC, CESCA
reponame_str TDR. Tesis Doctorales en Red
collection TDR. Tesis Doctorales en Red
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869410227720290304
score 15,812455

Similares en LA Referencia