[論文レビュー] What Drives Inflation and How: Evidence from Additive Mixed Models Selected by cAIC

Philipp F. M. Baumann, Enzo Rossi+1 more|arXiv (Cornell University)|Jun 11, 2020

Energy, Environment, Economic Growth被引用数 1

ひとこと要約

本稿は、1997年から2015年までの122か国を対象として、条件付きAIC（cAIC）選択を用いた加法的混合モデル（AMMs）を用いた画期的なモデルベースのブースティング手法を提案する。非線形的相互作用としてエネルギー価格とエネルギー利益の間の関係が、従来のモデルを上回るインフレーション駆動要因であることが判明し、伝統的な金融政策の仮定に疑問を呈する。

ABSTRACT

We analyze the forces that explain inflation using a panel of 122 countries from 1997 to 2015 with 37 regressors. Ninety-eight models motivated by economic theory are compared to a boosting algorithm, non-linearities and structural breaks are considered. We show that the typical estimation methods are likely to lead to fallacious policy conclusions, which motivates the use of a new approach that we propose in this paper. The boosting algorithm outperforms theory-based models. Furthermore, we extend the current software implementation of conditional Akaike Information Criteria for additive mixed models with observation weights. We present a novel two-step selection process suitable for a wide range of applications that enables to empirically compare theory- and data-driven models with varying data availability.

研究の動機と目的

• 従来の推定手法に内在する制限（過度に制限された仮定や低い説明力）が、政策的結論を誤らせることがあることへの対処。
• 先進国、新興国、低所得国を含む多様な国々におけるインフレーションの主な決定要因を、理論的枠組みとデータ駆動型のモデル選択を統合することで特定すること。
• 加法的混合モデル（AMMs）を用いて非線形性、構造的変化、国ごとの異質性を組み込むことで、モデルの性能を向上させること。
• 時間的・国別に変化するインフレーショントレンドを説明するためのマクロ経済、制度的、政治的変数の相対的な重要性を評価すること。
• 高次元パネルデータにおけるモデル選択にcAICを用いる、堅牢で再現可能なフレームワークを提供すること。ソフトウェア実装も提供可能。

提案手法

• 国ごとの固定効果と時系列ごとの固定効果を考慮しつつ、インフレーションと予測変数との間の柔軟で非線形の関係を許容する加法的混合モデル（AMMs）を採用する。
• データ駆動型の変数選択と推定手法としてモデルベースブースティング（MB）を用い、事前に定義された理論的モデルに依存せずに、予測力の高い回帰子の組み合わせを同定する。
• 観察値の重みを用いた条件付きアカイケ情報基準（cAIC）を適用し、理論的根拠に基づく98のモデルとブースティング由来のモデルを比較・選択する。
• 1997年から2015年までの122か国の37の説明変数からなる包括的データセットを用い、因果関係のタイミングを反映させるために適切なラグを適用する。
• 2段階のモデル選択プロセスを実装する：まず理論的モデル同士を比較し、次に最良の理論的モデルとブースティングモデルを比較する。
• 連続的予測変数（例：エネルギー価格、出力ギャップ）の非線形効果をペナルティ付きスプラインで推定し、モデルの複雑さを評価する有効自由度（EDF）を報告する。

実験結果

リサーチクエスチョン

• RQ1 1997年から2015年までの122か国の多様な国々において、マクロ経済、制度的、政治的変数の中で、インフレーションを最も強く説明するのはどれか？
• RQ2 非線形関係や構造的変化が、線形固定効果モデルと比較してインフレーションモデルの説明力にどのように影響を与えるか？
• RQ3 データ駆動型のブースティングアルゴリズムは、理論的モデルをどれだけ上回ってインフレーションを予測できるか？
• RQ4 エネルギー価格、エネルギー利益、およびそれらの相互作用がインフレーションダイナミクスを駆動する上で、相対的にどの程度の重要性を有するか？
• RQ5 低インフレ環境下において、一人当たりGDP、信用成長、出力ギャップは、インフレーション予測においてどの程度の予測力を持つか？

主な発見

• ブースティングアルゴリズム（MB）は、最小のcAICを達成し、インフレーションの変動を説明する観点で、すべての理論的モデルを上回る最良のモデル適合を達成した。
• エネルギー価格とエネルギー利益の間の相互作用は、インフレーションと強い非線形的関係を示し、本研究で同定された最も重要な決定要因であった。
• エネルギー価格単体では、エネルギー利益との相互作用に比べて重要性が低く、単変数効果よりも、インフレーションダイナミクスの大部分を説明する要因であった。
• 出力ギャップよりも一人当たりGDPがインフレーションの駆動要因としてより重要であることが判明し、中央銀行政策モデルにおける出力ギャップの従来の役割に疑問を呈する。
• M2成長よりも信用成長がインフレーションの予測により関連していることから、広義のマネーサプライのターゲティングよりも、信用創造がより効果的な政策ツールである可能性を示唆する。
• 出力ギャップはインフレーションと複雑な非線形的関係にある。出力ギャップが-5％から20％の範囲では正の効果を示すが、金融危機後には構造的シフトが見られ、政策的意義が時間とともに変化していることを示している。