Stata广义矩量法GMM面板向量自回归 VAR模型选择、估计、Granger因果检验分析投资、收入和消费数据...

原文链接：http://tecdat.cn/?p=24016

面板向量自回归（VAR）模型在应用研究中的应用越来越多。虽然专门用于估计时间序列VAR模型的程序通常作为标准功能包含在大多数统计软件包中，但面板VAR模型的估计和推断通常用通用程序实现，需要一些编程技巧（点击文末“阅读原文”获取完整代码数据）。

摘要

在本文中，我们简要讨论了广义矩量法（GMM）框架下面板VAR模型的模型选择、估计和推断，并介绍了一套Stata程序来方便地执行它们。

一、简介

时间序列向量自回归 (VAR) 模型起源于宏观计量经济学文献，作为多元联立方程模型的替代品 (Sims, 1980)。VAR 系统中的所有变量通常都被视为内生变量，尽管可能会根据理论模型或统计程序来确定限制，以解决外生冲击对系统的影响。随着 VAR 在面板数据设置中的引入（Holtz-Eakin、Newey 和 Rosen，1988），面板 VAR 模型已在跨领域的多个应用中使用。

在本文中，我们简要概述了广义矩量法 (GMM) 框架中面板 VAR 模型的选择、估计和推理，并提供了一组 Stata 程序，我们使用国家纵向调查和投资、收入和消费数据。包括实现Granger(1969)因果关系检验的子程序，以及按照Andrews和Lu(2001)进行的最佳时刻和模型选择。

2.面板向量自回归

我们考虑具有特定面板固定效应的阶数 -变量面板 VAR，由以下线性方程组表示：

其中，是因变量的（1）向量；是外生协变量的（1）向量；以及分别是因变量特定的固定效应和特异性误差的（1）向量。矩阵和矩阵是要估计的参数。我们假设创新点具有以下特征。

上面的参数可以与固定效应联合估计，或者在一些转换后独立于固定效应，使用普通最小二乘法 (OLS)。然而，由于方程组右侧存在滞后因变量，即使是大的估计也会有偏差（尼克尔，1981）。尽管偏差随着变大而趋近于零，但 Judson 和 Owen (1999) 的模拟发现即使在 = 30 时也存在显着偏差。

2.1.GMM估计

已经提出了基于 GMM 的各种估计器来计算上述方程的一致估计。4在我们假设误差是连续不相关的情况下，一阶差分变换可以通过用较早时期的差异和水平检测滞后差异，如安德森和萧 (1982) 所提出的那样，逐个方程地一致估计。然而，这个估计会带来一些问题。一阶差分变换放大了不平衡面板中的间隙。例如，如果某些不可用，则时间和 − 1 处的一阶差分同样缺失。此外，观察每个面板的必要时间段随着面板 VAR 的滞后顺序而变大。例如，对于二阶面板 VAR，

Arellano 和 Bover (1995) 提出前向正交偏差作为替代变换，它不具有一阶差分变换的缺点。它不使用与过去实现的偏差，而是减去所有可用的未来观察的平均值，从而最大限度地减少数据丢失。可能只有最近的观察不会用于估计。由于过去的实现不包括在这个转换中，它们仍然是有效的工具。例如，在二阶面板 VAR 中，只有 ≥ 4 个实现才能在水平上使用工具。

虽然逐个方程的 GMM 估计会产生对面板 VAR 的一致估计，但将模型估计为方程组可能会导致效率增益（Holtz-Eakin、Newey 和 Rosen，1988 年）。考虑以下基于等式 (1) 的变换面板 VAR 模型，但以更紧凑的形式表示：