How well do Markov switching models describe actual business cycles? The case of synchronization
马尔可夫转换模型能多好地描述实际经济周期？以同步性为例AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要以多国 GDP 的马尔可夫转换 VAR 衡量周期同步，并直接分析国家间扰动传播和长期协整。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
马尔可夫转换模型能多好地描述实际经济周期？以同步性为例
- 研究问题
- 多国 GDP 增长的马尔可夫转换模型能否准确衡量经济周期同步性，共同状态、冲击传播和长期协整分别提供何种证据？
- 方法与思路
- 作者以贝叶斯 Gibbs 抽样估计多变量马尔可夫转换 VAR，结合周期判定规则构造同步性后验分布，并与线性 VAR 比较。
- 材料陈述的贡献
- 摘要称未发现共同马尔可夫状态，但存在部分跨国扰动传播和美加协整证据；转换模型的同步性度量更贴近数据。
- 阅读关注点
- 应核对共同状态与同步性的区别、先验和周期判定规则、冲击传播的解释，以及后验优势和参考年表比较的依据。
- 阅读边界
- 仅据所给 Crossref 摘要，国家样本、先验及模型限制未说明；未发现共同状态不意味着不存在其他形式的周期同步。
原文摘要
Abstract The objective of this paper is to evaluate the effectiveness of using a Markov switching model to measure the synchronization of business cycles. We use a Bayesian, Gibbs sampling approach to estimate a multivariate Markov switching model of GDP growth for several countries. We look for evidence of synchronization across countries in the sense of common Markov states, covariance of impulses and a long‐run co‐integrating relationship. We then use the fitted data implied by the posterior distribution of the Markov switching VAR, in conjunction with a dating rule, to obtain the posterior distribution of binary business cycle states. We use these to investigate the posterior distributions of non‐parametric measures of synchronization described by Harding and Pagan ( 2003 ) and compare them with similar measures obtained from standard reference chronologies. As a point of reference, we repeat this exercise using simulated data from a linear VAR. We find no evidence of a common Markov state, but some evidence of the propagation of country‐specific disturbances across countries and of a co‐integrating relationship between the United States and Canada. Posterior odds ratios overwhelmingly favour the Markov switching model over the linear VAR and we find that the posterior distributions of the non‐parametric measures of synchronization produced by the Markov switching VAR match the data more closely than those produced by the linear VAR. Copyright © 2005 John Wiley & Sons, Ltd.