Suchergebnisse

We consider the issue of cross-sectional aggregation in nonstationary and heterogeneous panels where each unit cointegrates. We derive asymptotic properties of the aggregate estimate, and necessary and sufficient conditions for cointegration to hold in the aggregate relationship. We then analyze the case when cointegration does not carry through the aggregation process, and we investigate whether the violation of the formal conditions for perfect aggregation can still lead to an aggregate equation that is observationally equivalent to a cointegrated relationship. We derive a measure of the degree of noncointegration of the aggregate relationship and we explore its asymptotic properties. We propose a valid bootstrap approximation of the test. A Monte Carlo exercise evaluates size and power properties of the bootstrap test.

In this paper we propose a dynamic cost function which allows us consistently to derive a set of dynamic interrelated factor demand equations in the general error correction form introduced by Anderson and Blundell (1982). This paper expands results recently published in Urga (1996). It shows that the derivation of an effective underlying cost function allows us to identify the full set of parameters of the underlying process. This does not happen in the standard Anderson–Blundell formulation. We report an empirical exercise, used to model the so‐called 'supply side' of the London Busines School large‐scale economic model, where we estimate both the set of factor demands and the underlying dynamic cost function for the non‐energy business sector of the UK economy.

Cet article se focalise sur les estimateurs hétérogènes versus homogènes sur données de panel, y compris ceux partiellement hétérogènes, en présence de dépendances inter-individuelles via une structure de dépendance spatiale des perturbations et/ou en présence de facteurs communs observables/inobservables. Ces estimateurs sont liés à des spécifications qui permettent de combiner et de distinguer les dépendances inter-individuelles faibles (reliées à une matrice spatiale) des dépendances inter-individuelles fortes ( i.e. les facteurs communs). Une présentation générale des trois catégories d'estimateurs ci-avant mentionnées est d'abord faite. Ensuite, une approche par simulation de Monte Carlo, plus générale que celles précédemment menées, est retenue pour étudier les propriétés de ces estimateurs en présence de facteurs communs et de dépendance spatiale. Les résultats montrent que, même pour des dimensions individuelle et temporelle faibles, les estimateurs hétérogènes fournissent de meilleurs résultats en termes de biais, de RMSE, de taille et de puissance des tests bilatéraux comparativement à ceux obtenus sur la base des estimateurs homogènes. Enfin, une application empirique, qui s'intéresse à l'impact de la décentralisation fiscale sur la taille des gouvernements de 22 pays de l'OCDE sur la période 1973-2017, confirme cette supériorité. Classification JEL: C13, C23