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: