of Consumers on one-year-ahead infl

of Consumers on one-year-ahead inflation expectations,
we evaluate the CP assumptions on threshold constancy,
symmetry, homogeneity, and overall unbiasedness by
comparing the CP quantified expectations with aggregated
quantitative expectations from the same set of households
over the period 1978–2012 using monthly observations.
We then cast and generalize the CP method in an ordered
choice model that relies on less restrictive assumptions.
The performance of this generalized model is tested
by using it to quantify the same qualitative survey data
and comparing the results with both the CP estimates and
the quantitative responses from the survey. Two alternatives
to the CP unbiasedness assumption are proposed and
evaluated. The first alternative relies on a rolling-window
regression, and the second employs a time-varying parameter
model. The generalized model and the alternative calibration
schemes we advocate in this paper are applicable
to a wide array of data sets and can be implemented easily
in real time.
This study fills two gaps in the existing literature. First,
even though there is a rich body of literature on the performance
of the Carlson–Parkin method, to the best of our
knowledge, no study has modeled both the time variation
and the cross-sectional heterogeneity (in the thresholds
as well as the variances) and examined their effects
on the performance of the CP method. In a recent study,
Breitung and Schmeling (2013) report a ‘‘surprisingly weak
correlation’’ between the quantified and quantitative forecasts
of stock returns, which is attributed to the importance
of time-varying and heterogeneous thresholds. They
argue analytically that when the variance of the target variable
greatly exceeds that of the individual expectations,
cross-sectional heterogeneity plays little role in determining
the performance of the CP method. While this is likely
to be true for highly volatile targets like stock returns, the
situation could be different when the variable of interest
is consumer expectations for a closely-monitored and
tightly-controlled variable like the inflation rate or the real
GDP growth rate. Nevertheless, there is a clear need for
less restrictive assumptions about the thresholds. The generalization
we propose in this paper addresses this issue
directly by allowing for time-varying and heterogeneous
thresholds. Secondly, while quantified household inflation
expectations from the Survey of Consumers are often used
in forecasting (e.g. Ang, Bekaert, & Wei, 2007) or for testing
the REH (e.g. Souleles, 2004), no study since those of
Batchelor (1986) and Fishe and Idson (1990) has examined
the quality of these quantified expectations by comparing
them with the quantitative expectations.2 It is certainly
both important and informative to benchmark the quantified
expectations against the target variable, e.g., the official
statistic. However, as was first pointed out by Dasgupta
and Lahiri (1992), in general, a lack of fit alone should not
be considered a sign of poor performance of the quantification
method, due to the existence of unforeseen aggregate

ผลลัพธ์ (ไทย) 1:

ของผู้บริโภคในการคาดการณ์เงินเฟ้อหนึ่งปีล่วงหน้าเราประเมินสมมติฐาน CP บนทางขีดจำกัดสมมาตร homogeneity และ unbiasedness โดยรวมด้วยเปรียบเทียบความคาดหวังของ CP quantified โดยรวมความคาดหวังเชิงปริมาณจากชุดครัวเรือนเดียวกันในช่วงปี 1978 – 2012 ใช้สังเกตประจำเดือนเราโยน แล้วเมวิธี CP ในการสั่งเลือกแบบจำลองที่อาศัยสมมติฐานที่เข้มงวดน้อยมีทดสอบประสิทธิภาพของรูปแบบนี้เมจแบบทั่วไปโดยใช้วัดปริมาณข้อมูลสำรวจเชิงคุณภาพเดียวกันและเปรียบเทียบผลลัพธ์กับจุดทั้งประเมิน และการตอบสนองเชิงปริมาณจากแบบสำรวจ ทางเลือกที่สองการจุด unbiasedness อัสสัมชัญมีการนำเสนอ และประเมินการ ทางเลือกแรกอาศัยกลิ้งหน้าต่างถดถอย และที่สองใช้พารามิเตอร์เวลาแตกต่างกันแบบจำลอง รูปแบบเมจแบบทั่วไปและการปรับเทียบที่อื่นแผนงานที่เราบอกในเอกสารนี้จะใช้ได้ให้ข้อมูลหลากหลายชุด และสามารถดำเนินการได้อย่างง่ายดายในเวลาจริงการศึกษานี้เติมสองช่องในวรรณคดีที่มีอยู่ ครั้งแรกถึงแม้ว่าจะมีเนื้อความรวยของวรรณกรรมในประสิทธิภาพการทำงานของคาร์ลสัน – Parkin วิธี การดีสุดของเราความรู้ การศึกษาไม่ได้จำลองทั้งสองเปลี่ยนแปลงเวลาและ heterogeneity เหลว (ในขีดจำกัดและผลต่าง) และตรวจสอบผลของพวกเขาประสิทธิภาพของวิธี CP ในการศึกษาล่าสุดBreitung และ Schmeling (2013) รายงานการ '' จู่ ๆ อ่อนแอความสัมพันธ์ของ '' ระหว่างคาดการณ์ quantified และเชิงปริมาณส่งคืนหุ้น ซึ่งเกิดจากการความสำคัญของขีดจำกัดเวลาที่แตกต่างกัน และแตกต่างกัน พวกเขาanalytically ทะเลาะว่า เมื่อความแปรปรวนของตัวแปรเป้าหมายมากเกินกว่าที่คาดหวังแต่ละheterogeneity เหลวบทบาทเล็กน้อยในการกำหนดประสิทธิภาพของวิธี CP ขณะนี้มีแนวโน้มเป็นความจริงสำหรับเป้าหมายสูงระเหยเช่นหุ้นคืน การสถานการณ์อาจแตกต่างกันเมื่อตัวแปรที่น่าสนใจมีความคาดหวังของผู้บริโภคในการใกล้ชิดตรวจสอบ และตัวแปรควบคุมอย่างเข้มงวดเช่นอัตราเงินเฟ้อหรือจริงอัตราการเติบโตของ GDP อย่างไรก็ตาม ไม่ล้างต้องการสมมติฐานที่เข้มงวดน้อยเกี่ยวกับขีดจำกัด การ generalizationเรานำเสนอในที่อยู่ของเอกสารนี้ปัญหานี้โดยตรงทำให้ในเวลาที่แตกต่างกัน และแตกต่างกันขีดจำกัดการ ประการที่สอง ในขณะที่อัตราเงินเฟ้อในครัวเรือน quantifiedความคาดหวังจากการสำรวจผู้บริโภคมักใช้ในการคาดการณ์ (เช่นอ่างทอง Bekaert, & Wei, 2007) หรือ การทดสอบREH (เช่น Souleles, 2004), ไม่ศึกษาตั้งแต่บรรดาแบทเชเลอร์ (1986) และ Fishe และ Idson (1990) ได้ตรวจสอบคุณภาพของความคาดหวังเหล่านี้ quantified โดยเปรียบเทียบด้วย expectations.2 เชิงปริมาณเป็นที่แน่นอนสำคัญ และข้อมูลเปรียบที่ quantifiedความคาดหวังกับตัวแปรเป้าหมาย เช่น อย่างเป็นทางสถิติ อย่างไรก็ตาม เป็นครั้งแรก ชี้ให้เห็น โดย Dasguptaและ Lahiri (1992), ทั่วไป การขาดความพอดีอยู่คนเดียวไม่ควรเป็นเครื่องหมายของประสิทธิภาพที่ต่ำของการนับวิธี เนื่องจากการดำรงอยู่ของรวมที่ไม่คาดฝัน

ผลลัพธ์ (ไทย) 2:

ของผู้บริโภคในหนึ่งปีข้างหน้าคาดการณ์เงินเฟ้อ,
เราประเมินสมมติฐาน CP ในเกณฑ์มั่นคง,
สมมาตรสม่ำเสมอและโดยรวม unbiasedness
โดยการเปรียบเทียบความคาดหวังเชิงปริมาณซีพีรวมกับความคาดหวังเชิงปริมาณจากชุดเดียวกันของผู้ประกอบการในช่วง1978-2012 โดยใช้ สังเกตรายเดือน. จากนั้นเราจะหล่อและคุยวิธี CP ในคำสั่งให้รูปแบบทางเลือกที่อาศัยสมมติฐานที่เข้มงวดน้อย. ประสิทธิภาพการทำงานของรุ่นทั่วไปครั้งนี้ได้รับการทดสอบโดยใช้มันที่จะหาจำนวนข้อมูลการสำรวจเชิงคุณภาพเดียวกันและเปรียบเทียบผลที่ได้กับทั้งประมาณการCP และการตอบสนองเชิงปริมาณจากการสำรวจ สองทางเลือกที่จะสันนิษฐาน CP unbiasedness มีการเสนอและการประเมินผล ทางเลือกแรกที่อาศัยอยู่กับหน้าต่างกลิ้งถดถอยและที่สองพนักงานเวลาที่แตกต่างกันพารามิเตอร์รูปแบบ รูปแบบทั่วไปและการสอบเทียบทางเลือกรูปแบบที่เราสนับสนุนในเอกสารนี้จะใช้เพื่อความหลากหลายของชุดข้อมูลและสามารถดำเนินการได้อย่างง่ายดายในเวลาจริง. การศึกษาครั้งนี้จะเติมช่องว่างที่สองในวรรณคดีที่มีอยู่ ครั้งแรกแม้ว่าจะมีร่างกายที่อุดมไปด้วยหนังสือที่เกี่ยวกับประสิทธิภาพของวิธีการCarlson-Parkin, ที่ดีที่สุดของเรามีความรู้การศึกษาไม่ได้สร้างแบบจำลองทั้งสองรูปแบบเวลาและเซลล์สืบพันธุ์ตัดขวาง(ในเกณฑ์เช่นเดียวกับความแปรปรวน) และตรวจสอบผลกระทบต่อประสิทธิภาพการทำงานของวิธีการที่ซีพี ในการศึกษาล่าสุด, Breitung และ Schmeling (2013) รายงาน '' อ่อนแอน่าแปลกใจที่ความสัมพันธ์'' ระหว่างการคาดการณ์เชิงปริมาณและเชิงปริมาณของผลตอบแทนหุ้นซึ่งมีสาเหตุมาจากความสำคัญของเวลาที่แตกต่างกันและเกณฑ์ที่แตกต่างกัน พวกเขาให้เหตุผลว่าเมื่อวิเคราะห์ความแปรปรวนของตัวแปรเป้าหมายมากเกินกว่าที่คาดหวังของแต่ละเซลล์สืบพันธุ์ตัดบทบาทเล็กๆ น้อย ๆ ในการกำหนดประสิทธิภาพของวิธีการที่ซีพี ในขณะนี้มีแนวโน้มที่จะเป็นจริงสำหรับเป้าหมายความผันผวนสูงเช่นผลตอบแทนหุ้นที่สถานการณ์อาจจะแตกต่างกันเมื่อตัวแปรที่น่าสนใจคือความคาดหวังของผู้บริโภคเป็นอย่างใกล้ชิดตรวจสอบและตัวแปรที่ควบคุมอย่างแน่นหนาเช่นอัตราเงินเฟ้อที่แท้จริงหรืออัตราการเติบโตของจีดีพี แต่มีความต้องการที่ชัดเจนสำหรับสมมติฐานที่เข้มงวดน้อยเกี่ยวกับเกณฑ์ ลักษณะทั่วไปเรานำเสนอในบทความนี้เน้นปัญหานี้โดยตรงโดยให้เวลาที่แตกต่างกันและต่างกันเกณฑ์ ประการที่สองขณะที่อัตราเงินเฟ้อในครัวเรือนปริมาณความคาดหวังจากการสำรวจผู้บริโภคมักจะถูกนำมาใช้ในการพยากรณ์(เช่นอ่างทอง Bekaert และ Wei 2007) หรือสำหรับการทดสอบREH (เช่น Souleles, 2004) การศึกษาตั้งแต่ผู้Batchelor (1986) และ Fishe และ Idson (1990) มีการตรวจสอบคุณภาพของการคาดการณ์ปริมาณเหล่านี้โดยการเปรียบเทียบพวกเขาด้วยexpectations.2 ปริมาณแน่นอนมันเป็นความสำคัญและให้ข้อมูลเพื่อมาตรฐานปริมาณความคาดหวังกับตัวแปรเป้าหมายเช่นอย่างเป็นทางการสถิติ แต่เป็นครั้งแรกที่ได้รับการชี้ให้เห็นโดย Dasgupta และหิ (1992) โดยทั่วไปการขาดความเหมาะสมเพียงอย่างเดียวไม่ควรได้รับการพิจารณาสัญญาณของประสิทธิภาพที่ต่ำของปริมาณวิธีเนื่องจากการดำรงอยู่ของการรวมที่ไม่คาดคิด

ผลลัพธ์ (ไทย) 3:

ของผู้บริโภคในหนึ่งปีข้างหน้าการคาดการณ์เงินเฟ้อ
เราประเมิน CP ข้อสมมติเกณฑ์ความมั่นคง
สมมาตร เอกพันธ์ และโดยรวม unbiasedness โดย
เปรียบเทียบความคาดหวังกับ CP ปริมาณรวม
ปริมาณความคาดหวังจากชุดเดียวกันของครัวเรือน
ช่วง 1978 – 2555 วิธีสังเกตประจำเดือน
เราแล้วโยนและ generalize วิธีการสั่งซื้อ
ซีพีเลือกแบบที่อาศัยสมมติฐานที่เข้มงวดน้อยกว่า สมรรถนะของรุ่นนี้

แบบทดสอบโดยใช้ที่มีคุณภาพเดียวกัน จากข้อมูลการสำรวจและเปรียบเทียบผลลัพธ์กับ

ทั้ง CP ประมาณการและการตอบสนองเชิงปริมาณจากแบบสำรวจ 2 ทางเลือก
กับ CP unbiasedness อัสสัมชัญเสนอและ
ประเมิน ทางเลือกแรกอาศัยหน้าต่าง
กลิ้งถดถอยและใช้เวลาสองพารามิเตอร์
นางแบบ โดยทั่วไปรูปแบบและแผนการสอบเทียบ
ทางเลือกเราสนับสนุนในงานวิจัยนี้ใช้
ไปยังอาร์เรย์ที่กว้างของชุดข้อมูลและสามารถดำเนินการได้อย่างง่ายดาย

ศึกษาในเวลาจริง นี้เติมช่องว่างสองในวรรณกรรมที่มีอยู่ แรก
แม้จะมีร่างกายที่อุดมไปด้วยของวรรณคดีในการปฏิบัติ
ของการออกแบบรถยนต์และวิธีการที่ดีที่สุดของความรู้ของเรา
ไม่มีการศึกษาได้จำลองทั้งเวลาและสามารถตัดรูปแบบ
( ธรณีประตู
ตลอดจนความแปรปรวน ) และตรวจสอบผลของพวกเขา
ในการปฏิบัติของ CP ด้วย ในการศึกษาล่าสุด ไบรเติ้ง และ schmeling
( 2013 ) รายงาน 'surprisingly อ่อนแอ
' ความสัมพันธ์ ' ' ระหว่างตรวจปริมาณการคาดการณ์
ผลตอบแทนของตลาดหลักทรัพย์ ซึ่งเกิดจากความสําคัญ
ของเวลาเดียวกันและธรณีประตู พวกเขาโต้แย้งทฤษฎี
เมื่อความแปรปรวนของตัวแปรเป้าหมาย
อย่างมากเกินกว่าที่ของความคาดหวังของแต่ละภาคสามารถมีบทบาทน้อย

ในการกำหนดสมรรถนะของ CP ด้วย ขณะนี้มีแนวโน้ม
เป็นจริงสำหรับเป้าหมายที่ผันผวนสูง เช่น หุ้นกลับ ,
สถานการณ์อาจแตกต่างกันเมื่อตัวแปรของดอกเบี้ย
คือความคาดหวังของผู้บริโภคสำหรับการตรวจสอบอย่างใกล้ชิดและ
แน่นตัวแปรควบคุม เช่น อัตราเงินเฟ้อ หรืออัตราการเติบโตของ GDP ที่แท้จริง
. อย่างไรก็ตาม มีความต้องการที่ชัดเจนสำหรับ
สมมติฐานที่เข้มงวดน้อยกว่าเรื่องธรณีประตู Generalization
เราเสนอในบทความนี้ที่อยู่นี้ปัญหา
โดยตรง โดยให้เวลา และข้อมูล
ธรณีประตู ประการที่สอง ในขณะที่วัดเงินเฟ้อ
ครัวเรือนจากการสำรวจความคาดหวังของผู้บริโภคมักจะใช้
ในการพยากรณ์ ( เช่นอ่างทอง Bekaert & , Wei , 2007 ) หรือทดสอบ
reh ( เช่น souleles , 2004 ) ไม่มีการศึกษา เพราะบรรดา
Batchelor ( 1986 ) และ fishe และ idson ( 1990 ) ได้ตรวจสอบ
คุณภาพของเหล่านี้วัดความคาดหวัง โดยเปรียบเทียบกับความคาดหวังเชิงปริมาณ

ทั้ง 2 มันเป็นอย่างแน่นอนที่สำคัญและข้อมูลมาตรฐานวัด
ความคาดหวังกับตัวแปรเป้าหมาย เช่น สถิติอย่างเป็นทางการ

แต่เนื่องจากเป็นครั้งแรกที่แหลมออกโดย dasgupta
และ ลาหิรี ( 1992 ) โดยทั่วไปขาดพอดีอยู่คนเดียวไม่ควร
ถือเป็นสัญลักษณ์ของประสิทธิภาพที่ดีของปริมาณ
วิธีเนื่องจากการดำรงอยู่ของมวลรวมที่ไม่คาดฝัน