Computation and Analysis of Multiple Structural-Change Models

In a recent paper, Bai and Perron (1998) considered theoretical issues related to the limiting distribution of estimators and test statistics in the linear model with multiple structural changes. In this companion paper, we consider practical issues for the empirical applications of the procedures. We first address the problem of estimation of the break dates and present an efficient algorithm to obtain global minimizers of the sum of squared residuals. This algorithm is based on the principle of dynamic programming and requires at most least-squares operations of order O(T 2) for any number of breaks. Our method can be applied to both pure and partial structural-change models. Secondly, we consider the problem of forming confidence intervals for the break dates under various hypotheses about the structure of the data and the errors across segments. Third, we address the issue of testing for structural changes under very general conditions on the data and the errors. Fourth, we address the issue of estimating the number of breaks. We present simulation results pertaining to the behavior of the estimators and tests in finite samples. Finally, a few empirical applications are presented to illustrate the usefulness of the procedures. All methods discussed are implemented in a GAUSS program available upon request for non-profit academic use.Dans un récent papier, Bai et Perron (1998) ont considéré les problèmes théoriques reliés à la distribution des estimateurs et tests statistiques dans le modèle linéaire avec changements structurels multiples. Dans ce papier, nous regardons les problèmes pratiques pour les applications empiriques des procédures. En premier, nous regardons le problème d'estimation des dates de rupture et présentons un algorithme efficace pour obtenir les minimums globaux des sommes des résidus carrés. Cet algorithme est basé sur le principe de la programmation dynamique et nécessite au plus des opérations de moindres carrés d'ordre O(T 2) pour tout nombre de ruptures. Deuxièmement, nous considérons le problème de construire des intervalles de confiance pour les dates de rupture sous plusieurs hypothèses de structure des données et d'erreurs entre segments. Troisièmement, nous considérons le problème de tester la présence de changements structurels sous des conditions très générales sur les donnés et les erreurs. Quatrièmement, nous étudions l'estimation du nombre de ruptures. Nous présentons les résultats de simulations sur le comportement des estimateurs et des tests en échantillons finis. Finalement, nous offrons quelques applications empiriques pour illustrer l'utilité des procédures. Toutes les méthodes présentées sont exécutées à l'aide d'un programme GAUSS disponible sur demande pour utilisation académique seulement