pokaz koszyk
rozwiń menu
tylko:  
książka:

Pieniądz i ceny w gospodarce polskiej. Analiza kointegracji sezonowej. Seria: Monografie i Opracowania nr 545

Dane szczegółowe:
Producent: Szkoła Główna Handlowa w Warszawie
Rok wyd.: 2006
Ilość stron: 214 s.
ISSN: 0867-7727
Data: 2010-04-21
Cena wydawcy: 30.00 złpozycja niedostępna

Opis książki:

WSTĘP
Przeprowadzone dotąd badania procesów inflacyjnych w wielu krajach wskazują na występowanie silnej zależności między podażą pieniądza a poziomem cen. Jednak szczegółowa, wieloletnia analiza danych pokazuje, że prawidłowość ta obowiązuje jedynie w długim okresie (zob. np. Friedman, Schwartz [1982], Hallman, Porter, Small [1991], Deutsche Bundesbank [1992]). Wpływ zmian stóp procentowych, zmian podatków, kursu walutowego, zewnętrzne szoki podażowe, czy nawet krajowa presja płacowa powodują, że w krótkim okresie poziom cen może odbiegać od swojej wartości równowagi, wyznaczonej na podstawie analizy sytuacji monetarnej. Należy jednak zauważyć, że jeśli, pomimo wahań, poziom cen w długim horyzoncie czasowym związany jest ścisłą relacją z podażą pieniądza, może to stanowić znaczące ułatwienie dla banku centralnego w prowadzonej przezeń polityce pieniężnej. Oznacza to bowiem, że podaż pieniądza jest istotnym wskaźnikiem rzeczywistego stopnia restrykcyjności polityki monetarnej i tym samym ułatwia prognozowanie przyszłego rozwoju procesów inflacyjnych (Seitz, Tödter [2001], Tödter [2002]).
Celem badania przedstawionego w niniejszej publikacji było sprawdzenie, czy podobna zależność długookresowa istniała również w gospodarce polskiej okresu transformacji. Pod pojęciem długiego okresu rozumie się okres obejmujący lata 1994?2003. Ze względu na to, że literatura na temat związków pomiędzy pieniądzem a cenami jest niezwykle obszerna, dla celów pracy wybrano jeden z modeli, który zależność pomiędzy pieniądzem i cenami traktuje jako zjawisko długookresowe.
Model ten wywodzi się z ilościowej teorii pieniądza i znany jest w literaturze przedmiotu pod nazwą modelu P-star. Został on opracowany przez pracowników Rezerwy Federalnej pod koniec lat 80., a jego użyteczność przy opisie procesów inflacyjnych została potwierdzona w licznych badaniach dotyczących zarówno dużych gospodarek, takich jak USA (Tatom [1990], Hallman, Anderson [1993], Orphanides, Porter [1998]), Niemcy (Deutsche Bundesbank [1992], Tödter, Reimers [1994]) czy Europejska Unia Monetarna (Trecroci, Vega [2000], Gerlach, Svensson [1999] [2003], Trecroci, Vega [2000]), jak i mniejszych krajów o różnych systemach kursu walutowego (Kool i Tatom [1994], Groeneveld [1998], Pallardo i Esteve [1999], Herwartz i Reimers [2001]).
Pozytywna weryfikacja hipotezy o istnieniu długookresowej zależności pomiędzy pieniądzem i cenami ma szczególne znaczenie zwłaszcza w przypadku gospodarki Europejskiej Unii Monetarnej. Wynika to z faktu, iż Europejski Bank Centralny (ECB), wzorem Bundesbanku, dążąc do osiągnięcia średniookresowej stabilizacji cen, prowadzi politykę pieniężną, w ramach której wyznacza dodatkowo (oprócz celu inflacyjnego) wartość referencyjną dla tempa wzrostu nominalnej podaży pieniądza (ECB [1999a], ECB [1999b], ECB [2003]). Pomimo iż prowadzenie polityki pieniężnej opartej na koncepcji kontrolowania wielkości podaży pieniądza, jak również sposób wyznaczania referencyjnej wartości podaży pieniądza, spotkały się z ostrą krytyką (Svensson [2000]), to jednak znalezienie stabilnego i trwałego związku pomiędzy tymi kategoriami makroekonomicznymi może poprawić jakość prognoz dotyczących kształtowania się przyszłych procesów inflacyjnych i zwiększyć skuteczność instrumentów polityki monetarnej w procesie kontrolowania inflacji (Jahnke, Reimers [1995], Tödter [2002]).
Przedstawione w monografii badanie miało odpowiedzieć na pytanie, czy również w gospodarce polskiej ostatniej dekady istniała długookresowa zależność pomiędzy pieniądzem i cenami w takim ujęciu, jak proponuje to model P-star. Oczywiście ze względu na różnicę w wielkości i stopniu otwarcia gospodarek Stanów Zjednoczonych, Niemiec i Polski konieczna stała się modyfikacja modelu, tak aby odzwierciedlał on realia gospodarki polskiej. Temat badawczy jest zdaniem autora o tyle interesujący, że wobec niedawnego przystąpienia Polski do Unii Europejskiej oraz deklaracji rządu i Narodowego Banku Polskiego, Polska ma szanse stać się w najbliższej perspektywie członkiem Europejskiej Unii Monetarnej. To oznacza, że odpowiedzialność za prowadzenie polityki pieniężnej w Polsce weźmie na siebie Europejski Bank Centralny. Biorąc pod uwagę strategię ECB w procesie kontrolowania inflacji (ECB [2003]), warto wiedzieć, czy również w Polsce istnieje długookresowa zależność równowagi łącząca ceny i wielkość podaży pieniądza, tak jak ma to miejsce w gospodarce Europejskiej Unii Monetarnej (Gerlach, Svensson [2003]).
Wnioskowanie na temat obecności związków długookresowych pomiędzy teoretycznym poziomem cen wynikającym z koncepcji P-star i rzeczywistym obserwowanym poziomem cen zostało oparte na analizie kointegracji. Istotą tej analizy jest odpowiedź na pytanie o obecność pomiędzy zmiennymi niestacjonarnymi zależności długookresowych odpowiadających stanowi równowagi stabilnej (Banerjee, Dolado, Galbraith, Hendry [1993], zob. także Welfe [2003]). Najpowszechniej obecnie stosowanymi metodami analizy kointegracji są metoda Engle’a–Grangera [1987], w przypadku gdy pomiędzy badanymi zmiennymi występuje nie więcej niż jedna relacja kointegrująca i kiedy znany jest a priori kierunek przyczynowości pomiędzy zmiennymi, oraz metoda Johansena (Johansen [1991], [1995]), pozwalająca na analizę całego wielorównaniowego systemu, w którym dopuszcza się istnienie więcej niż jednego wektora kointegrującego, a kierunek przyczynowości może być przedmiotem testowania. Te dwie metody wykorzystane zostały przez pracowników Rezerwy Federalnej i ECB w badaniach nad empiryczną weryfikacją adekwatności modelu P-star do analiz związków pomiędzy pieniądzem i cenami (Tödter, Reimers [1994], Clostermann, Seitz [2002]).
Dotychczasowe badania prowadzone przez autora na temat związków pomiędzy pieniądzem i cenami w gospodarce polskiej (Kotłowski [2002], [2004]) wskazały, że niektóre zmienne, takie jak np. PKB czy ceny podlegają wahaniom sezonowym o charakterze stochastycznym. Ponadto, w przypadku tych zmiennych stwierdzono występowanie sezonowych pierwiastków jednostkowych, a to oznacza, że zastosowanie "klasycznych” narzędzi (metoda Johansena) do analizy związków długookresowych między zmiennymi może być obarczone pewnym błędem (zob. np. Ghysels, Siklos [1993], Granger, Siklos [1995]).
Podejściem zaproponowanym do weryfikacji hipotezy o istnieniu zależności długookresowych pomiędzy pieniądzem a cenami, które pozwala uwzględnić specyfikę struktury sezonowej polskich danych jest analiza kointegracji sezonowej. Kointegracja sezonowa stanowi uogólnienie klasycznej koncepcji kointegracji opisanej w pracy Engle i Grangera [1987] (zob. także Banerjee i in. [1993]. W przypadku gdy dwie lub więcej zmiennych posiada zarówno niesezonowe, jak i sezonowe pierwiastki jednostkowe (Hylleberg, Engle, Granger, Yoo [1990]), można rozważyć obecność relacji kointegrujących pomiędzy tymi zmiennymi nie tylko w tradycyjnym ujęciu dla częstości równej zero, ale również dla innych częstości związanych z wahaniami sezonowymi. Skointegrowanie zmiennych dla częstości innych niż częstość zerowa oznaczać będzie po prostu wspólnie zmieniający się wzorzec sezonowości dla tych zmiennych (zob. np. Hylleberg i in. [1990], Fransem [1996], Ghysels, Osborn [2001]). W niniejszej pracy wykorzystano dwa najczęściej stosowane obecnie podejścia pozwalające dokonać analizy kointegracji sezonowej pomiędzy zmiennymi. Pierwsza metoda określana w literaturze przedmiotu jako metoda EGHL (Engle, Granger, Hylleberg, Lee [1993]) jest metodą dwustopniową i stanowi uogólnienie klasycznego algorytmu Engle’a i Grangera [1987]. W pierwszym kroku bada się strukturę sezonową każdej ze zmiennych (np. za pomocą testu HEGY – Hylleberg i in. [1990]), a następnie warunkowo względem wyników testu stopnia integracji zmiennych testuje się obecność wektora kointegrującego dla różnych częstości pomiędzy odpowiednio transformowanymi zmiennymi. W metodzie tej, podobnie jak w przypadku metody Engle’a i Grangera, zakłada się istnienie maksymalnie jednego wektora kointegrującego dla każdej częstości oraz z góry określa kierunek przyczynowości. Pewną wadą tego podejścia jest to, że wyniki testu kointegracji są warunkowe względem przeprowadzonych wcześniej testów stopnia integracji zmiennych.
Drugim proponowanym algorytmem testowania kointegracji sezonowej jest podejście zaproponowane przez Lee [1992] i rozwinięte przez Fransesa i Kunsta [1999] oraz Johansena i Schaumburga [1999]. Podejście to stanowi uogólnienie metody Johansena [1991], a jego zaletą w porównaniu z metodą EGHL jest możliwość analizy całego systemu równań z więcej niż jednym wektorem kointegrującym dla każdej częstości oraz możliwość testowania kierunku przyczynowości. Zamiarem autora było zastosowanie obu omówionych podejść, co powinno wpłynąć dodatnio na wiarygodność uzyskanych wyników.
O ile w podejściu EGHL kierunek przyczynowości ustalany jest a priori zgodnie z założeniami modelu P-star, o tyle w przypadku metody wielorównaniowej za pomocą odpowiednich testów statystycznych można dokonać oceny egzogeniczności zmiennych i zbadać kierunek przyczynowości pomiędzy zmiennymi (Ericsson, Irons [1994], Johansen [1995]). Analiza egzogeniczności zmiennych pozwala odpowiedzieć na pytanie, jaki jest kierunek zależności pomiędzy pieniądzem i cenami w gospodarce polskiej. Czy tak, jak zakłada to model P-star, że ceny dopasowują się do poziomu równowagi wyznaczonego na podstawie wielkości podaży pieniądza, czy też wielkość podaży pieniądza jest jedynie funkcją poziomu cen w gospodarce.
Opisane w niniejszej publikacji badanie, zapoczątkowane artykułami Brzozy-Brzeziny i Kotłowskiego [2001] oraz Kotłowskiego [2002], a następnie kontynuowane w pracy Kotłowskiego [2004], jest jednym z pierwszych w Polsce, które wykorzystuje koncepcję kointegracji sezonowej do analizy związków pomiędzy pieniądzem i cenami w gospodarce polskiej okresu transformacji. W opinii autora obecność dodatkowych wektorów kointegrujących dla częstości innych niż tylko częstość zerowa, interpretowanych w kategorii funkcji popytu na pieniądz, mogłaby poprawić jakość prognoz uzyskiwanych na podstawie proponowanego w koncepcji P-star modelu inflacji i tym samym zwiększyć efektywność prowadzenia polityki pieniężnej.
Przeprowadzone badanie miało również wskazać, który z podstawowych agregatów pieniężnych mógłby być wykorzystany do budowy monetarnego modelu inflacji. Wybór odpowiedniego agregatu pieniężnego stał się niezwykle istotny wobec wprowadzenia przez Narodowy Bank Polski od marca 2002 r. nowej definicji podaży pieniądza, wyrażonej w postaci agregatu M3, który zastąpił publikowany dotychczas agregat pieniężny M2. Z tego względu pod uwagę były brane trzy agregaty monetarne: M1, odpowiadający wąskiej definicji wielkości podaży pieniądza, oraz agregaty M2 i M3, reprezentujące wielkość podaży pieniądza w nieco szerszym ujęciu. W prowadzonych przez autora dotychczasowych badaniach przy wykorzystaniem "klasycznych” metod analizy kointegracji (Brzoza-Brzezina, Kotłowski [2001]), w warunkach polskich bliższy koncepcji P-star był pieniądz w węższym ujęciu, wyrażony jako agregat M1. Z kolei większość autorów badających przydatność koncepcji P-star do opisu zjawisk inflacyjnych uzyskało pozytywne wyniki jedynie w przypadku, gdy model konstruowany był na podstawie szerszej definicji pieniądza, tj. M2, M3 i M4 (zob. np. Hallman i in. [1991], Bundesbank [1992], Tödter i Reimers [1994], Gerlach i Svensson [2003]). Jedynie Tatom [1990] dla gospodarki amerykańskiej oraz Herwartz i Reimers [2001] dla niektórych krajów OECD otrzymali potwierdzenie słuszności koncepcji P-star dla wąskiej miary pieniądza M1.
Ze względu na niejednoznaczność definicji średniego poziomu cen w gospodarce przedmiotem rozważań w pracy stały się dwa różne wskaźniki cen: wskaźnik cen towarów i usług konsumpcyjnych (ang. consumer price index, CPI) oraz tzw. wskaźnik inflacji netto (ang. – net inflation), czyli wskaźnik CPI z wyłączeniem cen paliw i żywności (zob. podrozdział 3.2).
Pod uwagę wzięto zatem różne definicje podaży pieniądza i średniego poziomu cen w gospodarce, co sprawia, że przeprowadzone badanie ma charakter kompleksowy i umożliwia tym samym odpowiedź na pytanie, które z rozważanych zmiennych najlepiej nadają się do budowy monetarnego modelu inflacji w warunkach polskich. Kwestia ta nabiera szczególnego znaczenia, jeżeli weźmiemy pod uwagę, że dotychczasowe badania prowadzone na temat obecności związków o charakterze przyczynowo-skutkowym pomiędzy pieniądzem i cenami w gospodarce polskiej są jeszcze bardzo nieliczne, a otrzymane wyniki nie pozwalają sprecyzować jednoznacznych wniosków (zob. np. Bauc [1995], Woźniak [1997], Kłos [2000], Brzoza-Brzezina, Kotłowski [2001], Kotłowski [2002], [2004], Kelm [2004]).
Dodatkowym celem pracy była również analiza
struktury sezonowej zmiennych makroekonomicznych (ceny, pieniądz, stopa procentowa), wykorzystanych w badaniu. Analiza ta miała odpowiedzieć na pytanie, czy zmienne te podlegają wahaniom sezonowym, a jeśli tak, to jaki jest charakter tych wahań.
Tödter [2002] w swojej pracy przedstawia formalne warunki, przy których polityka pieniężna prowadzona z uwzględnieniem informacji zawartej w tzw. luce pieniężnej, stanowiącej podstawę koncepcji P-star, jest bardziej efektywna od polityki pieniężnej wykorzystującej w procesie podejmowania decyzji jedynie postać luki popytowej. W niniejszej pracy warunki te zostały uogólnione dla przypadku bardziej rozbudowanej funkcji reakcji banku centralnego (zob. punkt 1.4.2), w której występuje nie tylko odchylenie inflacji od celu inflacyjnego (jak ma to miejsce u Tödtera [2002]), ale również luka popytowa (lub odpowiednio luka pieniężna). Taka funkcja reakcji, zaproponowana pierwotnie przez Taylora [1999], może służyć do opisu sposobu podejmowania decyzji między innymi przez Narodowy Bank Polski (Kokoszczyński i in. [2002]).
W badaniu przedstawionym w niniejszej publikacji wykorzystano szacunki potencjału produkcyjnego gospodarki polskiej uzyskane na podstawie metody LRRO (Dupasquier, Guay, St.-Amant [1997]), która stanowi modyfikację powszechnie stosowanej metody Blancharda i Quaha [1989]. Teoretyczne podstawy metody LRRO oraz wyniki otrzymane dla gospodarki polskiej zostały zamieszczone w pracy Kotłowskiego [2003].
Opracowanie składa się z trzech rozdziałów. W rozdziale 1 opisano teoretyczne podstawy koncepcji P-star, w ramach której zweryfikowano hipotezę badawczą, mówiącą o istnieniu długookresowej zależności o charakterze przyczynowo-skutkowym pomiędzy wielkością podaży pieniądza a poziomem cen w gospodarce polskiej okresu transformacji. W rozdziale tym poruszono również pewne teoretyczne i praktyczne aspekty modelowania popytu na pieniądz oraz omówiono wpływ reżimu kursowego na założenia rozważanego w pracy modelu inflacji. Istotna część rozdziału dotyczy także roli, jaką model P-star może odgrywać w prowadzeniu polityki pieniężnej, której podstawowym celem jest zapewnienie stabilnego poziomu cen w gospodarce. Całość została uzupełniona o przegląd literatury dotyczącej empirycznych zastosowań modelu P-star do opisu zjawisk inflacyjnych.
Rozdział 2 pracy zawiera omówienie zasad modelowania związków długookresowych pomiędzy zmiennymi, w przypadku których mamy do czynienia z występowaniem zarówno trendu stochastycznego, jak i niestacjonarnych wahań sezonowych. W rozdziale tym przedstawiono sposób testowania stopnia zintegrowania zmiennych za pomocą powszechnie stosowanego testu HEGY (Hylleberg, Engle, Granger, Yoo [1990]) oraz omówiono koncepcję kointegracji sezonowej, która dopuszcza obecność zarówno zależności pomiędzy wykazywanym przez zmienne długookresowym trendem, jak również wspólnych fluktuacji o charakterze sezonowym. W dalszej części rozdziału drugiego opisano dwie najpowszechniej stosowane obecnie metody analizy kointegracji sezonowej: dwustopniowy algorytm EGHL (Engle, Granger, Hylleberg, Lee [1993]), wykorzystywany w analizie kointegracyjnej, w sytuacji gdy dla każdej częstości występuje maksymalnie jeden wektor kointegrujący, oraz podejście wielowymiarowe zaproponowane przez Lee [1992], a następnie rozwinięte przez Fransesa i Kunsta [1999] oraz Johannesa i Schaumburga [1999].
Rozdział 3 pracy obejmuje opis badania empirycznego, którego celem była ocena przydatności koncepcji P-star do opisu zjawisk inflacyjnych w gospodarce polskiej okresu transformacji. Za pomocą dwóch metod analizy kointegracji sezonowej, których teoretyczne podstawy zostały opisane w rozdziale 2, dokonano weryfikacji hipotezy o prognostycznej roli luki pieniężnej, stanowiącej podstawę koncepcji P-star, względem poziomu przyszłej inflacji. W pierwszej części rozdziału przedstawiono teoretyczne założenia modelu P-star, wyspecyfikowanego odpowiednio do warunków gospodarki polskiej, podczas gdy druga część zawiera opis prowadzonego badania i omówienie uzyskanych wyników.
Wszystkie obliczenia wykonano w pakiecie EViews 4.1, w przeważającej mierze w programie napisanym przez autora na bazie procedur opracowanych przez Dahl Pedersen [1996] w pakiecie RATS i udostępnionych przez prof. S?rena Johansena, któremu autor chciałby złożyć wyrazy podziękowania.

Książka "Pieniądz i ceny w gospodarce polskiej. Analiza kointegracji sezonowej. Seria: Monografie i Opracowania nr 545" - Jacek Kotłowski - Wydawnictwo Szkoła Główna Handlowa w Warszawie. Książka posiada 214 stron i została wydana w 2006 r.

Spis treści:

Wstęp
Rozdział 1. Teoretyczne podstawy modelu P-star
Wprowadzenie
1.1. Koncepcja P-star
1.2. Modelowanie popytu na pieniądz
1.3. Monetarny model inflacji
1.3.1. Wyznaczanie długookresowej szybkości obiegu pieniądza
1.3.2. Równanie inflacji
1.3.3. Luka pieniężna
1.3.4. Krzywa Phillipsa
1.3.5. Model Gerlacha i Svenssona
1.3.5.1. Wersja jednorównaniowa
1.3.5.2. Wersja wielorównaniowa
1.3.6. Znaczenie reżimu kursowego w koncepcji P-star
1.3.7. Przyczynowość w modelu P-star
1.4. Użyteczność koncepcji P-star w polityce pieniężnej
1.4.1. Model P-star a polityka pieniężna ECB
1.4.2. Model P-star w strategii bezpośredniego celu inflacyjnego
1.4.2.1. Model Taylora
1.4.2.2. Model Taylora–Tödtera
1.5. Zastosowania koncepcji P-star

Rozdział 2. Modelowanie szeregów czasowych z wykorzystaniem koncepcji kointegracji sezonowej
Wprowadzenie
2.1. Sezonowe pierwiastki jednostkowe
2.1.1. Procesy zintegrowane sezonowo
2.1.2. Testowanie stopnia integracji sezonowej zmiennych
2.1.2.1. Maksymalny stopień zintegrowania dla każdej częstości jest równy 1
2.1.2.2. Maksymalny stopień zintegrowania dla częstości zerowej jest większy niż 1
2.2. Kointegracja sezonowa – podejście jednorównaniowe
2.2.1. Koncepcja kointegracji sezonowej
2.2.2. Testowanie kointegracji sezonowej – metoda EGHL
2.3. Kointegracja sezonowa – podejście wielowymiarowe
2.3.1. Sezonowy model korekty błędem (SECM)
2.3.2. Kointegracja sezonowa dla danych kwartalnych
2.3.3. Składowa deterministyczna w modelu korekty błędem
2.3.3.1. Postać trygonometryczna zmiennych sezonowych
2.3.3.2. Sezonowość deterministyczna w modelu SECM
2.3.3.3. Składowa deterministyczna dla częstości zerowej
2.3.4. Estymacja parametrów sezonowego modelu korekty błędem (SECM)
2.3.4.1. Estymacja macierzy kointegrującej dla częstości zerowej
2.3.4.2. Estymacja macierzy kointegrującej dla częstości półrocznej
2.3.4.3. Estymacja macierzy kointegrujących dla częstości rocznej
2.3.5. Testowanie rzędu kointegracji
2.3.5.1. Test Johansena śladu macierzy
2.3.5.2. Test Johansena maksymalnej wartości własnej
2.3.5.3. Sekwencja testowania rzędu kointegracji
2.3.6. Testowanie hipotez wobec postaci macierzy kointegrujących
2.3.6.1. Testowanie hipotez dla częstości zerowej i półrocznej
2.3.6.2. Testowanie hipotez dla częstości rocznej Podsumowanie

Rozdział 3. Analiza związków pomiędzy pieniądzem i cenami w gospodarce polskiej okresu transformacji
Wprowadzenie
3.1. Model P-star dla gospodarki polskiej
3.1.1. Długookresowe równanie popytu na pieniądz
3.1.2. Sposób formułowania oczekiwań inflacyjnych
3.1.3. Model inflacji dla gospodarki polskiej
3.1.4. Sposób estymacji parametrów modelu P-star
3.2. Opis danych
3.3. Szacunek potencjalnego PKB
3.4. Identyfikacja struktury sezonowej zmiennych
3.4.1. Wstępna analiza danych
3.4.2. Testowania stopnia zintegrowania zmiennych
3.5. Testowanie kointegracji sezonowej za pomocą metody wielowymiarowej
3.5.1. Specyfikacja wyjściowego modelu wektorowej autoregresji (VAR)
3.5.2. Ocena liczby wektorów kointegrujących na podstawie postaci macierzy towarzyszącej
3.5.3. Testowanie rzędu kointegracji
3.5.3.1. Częstość zerowa
3.5.3.2. Częstość półroczna
3.5.3.3. Częstość roczna
3.5.4. Analiza przestrzeni kointegrującej dla częstości zerowej
3.5.5. Analiza przestrzeni kointegrującej dla częstości półrocznej
3.5.6. Analiza przestrzeni kointegrującej dla częstości rocznej
3.5.7. Metoda wielowymiarowa – podsumowanie
3.6. Testowanie kointegracji sezonowej za pomocą metody EGHL
3.6.1. Testowanie kointegracji dla częstości zerowej
3.6.2. Testowanie kointegracji dla częstości rocznej
3.6.3. Kwestia stabilności parametrów w funkcji popytu na pieniądz
3.6.4. Równanie inflacji
3.6.5. Metoda EGHL – podsumowanie
3.7. Wnioski końcowe
Zakończenie
Bibliografia
Spis wykresów
Spis tabel