Beschreibung:
This study considers Bayesian variable selection in the Phillips curve context by using the Bernoulli approach of Korobilis (2013a). The Bernoulli model, however, is unable to account for model change over time, which is important if the set of relevant predictors changes over time. To tackle this problem, this paper extends the Bernoulli model by introducing a novel modeling approach called Markov Dimension Switching (MDS). MDS allows the set of predictors to change over time. The MDS and Bernoulli model reveal that the unemployment rate, the Treasury bill rate and the number of newly built houses are the most important variables in the generalized Phillips curve. Furthermore, these three predictors exhibit a sizeable degree of time variation for which the Bernoulli approach is not able to account, stressing the importance and benefit of the MDS approach. In a forecasting exercise the MDS model compares favorably to the Bernoulli model for one quarter and one year ahead inflation. In addition, it turns out that the performance of MDS model forecasting is competitive in comparison with other models found to be useful in the inflation forecasting literature.
Diese Arbeit erweitert den Bernoulli Ansatz von Korobilis (2013a), um die relevanten Variablen in der Phillips-Kurven-Gleichung zu bestimmen. Im Bernoulli Modell wird nicht berücksichtigt, dass sich die relevanten Variablen über die Zeit ändern können. Um diesen Punkt zu berücksichtigen, wird in dieser Arbeit ein neuer Modellansatz namens Markov Dimension Switching (MDS) eingeführt. MDS erlaubt, dass sich die Menge der relevanten Variablen über die Zeit ändern kann. Das MDS und Bernoulli Modell zeigen, dass die Arbeitslosenrate, die Rendite für Staatsanleihen und die Anzahl der neu gebauten Häuser die wichtigsten Variablen sind, um die amerikanische Inflationsrate zu erklären. Die Relevanz aller drei Variablen verändert sich über die Zeit. Dieses Ergebnis veranschaulicht den Nutzen des MDS Modells. Im Rahmen eines Prognosevergleiches erzielt das MDS Modell zudem genauere Prognosen als das Bernoulli Modell. Zudem stellt sich heraus, dass die Prognoseleistung des MDS Modells mit diversen in der Literatur als nützlich erwiesenen Modellen vergleichbar ist.