Confidence Regions for Calibrated Parameters in Computable General Equilibrium Models

We consider the problem of assessing the uncertainty of calibrated parameters in computable general equilibrium (CGE) models through the construction of confidence sets (or intervals) for these parameters. We study two different setups under which this can be done. The first one extends earlier work from Abdelkhalek and Dufour (1998) and is based on a projection technique which allows the construction of confidence sets for calibrated parameters from confidence sets on the free parameters of a (deterministc) CGE model. We discuss in detail how this approach can be applied to CES (Armington-type) function parameters frequently used in CGE models and illustrate it on models of the Moroccan economy. The second method allows one to extend the usual deterministic specification of CGE models by adding stochastic disturbances to the equations of the model and then to construct corresponding confidence sets for calibrated parameters using simulation techniques. This method uses the classical concept of a pivotal function for a parameter. We discuss in detail how this method can be applied to the calibrated parameters of a Cobb-Douglas production function. Nous considérons le problème de la prise en compte de l'incertitude sur les paramètres calibrés de modèles calculables d'équilibre général (MCEG) en construisant des régions (ou des intervalles) de confiance pour ces paramètres. Nous étudions en détail deux méthodes qui permettent de ce faire. La première est une extension des travaux de Abdelkhalek et Dufour (1998) et repose sur une technique de projection qui permet de construire des régions de confiance pour les paramètres calibrés à partir de régions de confiance pour les paramètres libres d'un MCEG déterministe. Nous discutons en détail comment cette approche peut être appliquée aux paramètres d'une fonction CES (de type Armington) d'usage fréquent dans les MCEG et nous l'illustrons sur des modèles de l'économie marocaine. La seconde méthode permet de dépasser le cadre déterministe usuel des MCEG en ajoutant des perturbations aléatoires à certaines équations du modèle pour construire des régions de confiance pour les paramètres calibrés en utilisant des techniques de simulation. Cette méthode utilise aussi le concept classique de fonction pivotale d'un paramètre. Nous discutons en détail comment cette méthode peut être appliquée aux paramèrtes calibrés d'une fonction de production de type Cobb-Douglas.