Essays in Macroeconometrics

Abstract

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.

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.