wald检验_Stata: 面板 Granger 因果检验

连享会—内生性专题—现场班

随着面板数据库规模的扩大，围绕面板数据因果关系的理论也迅速发展。面板数据正从具有大样本量( N )和较短时间维度( T )的微观面板数据转变为到具有大样本量( N )和长的时间维度(T)的宏观面板数据。在这种情况下，就需要注意时间序列计量经济学的经典问题，即(非)平稳性和(非)因果关系。

在本文中，我们介绍了社区贡献的外部命令  xtgcause ，它实现了 Dumitrescu 和 Hurlin (2012) 提出的面板数据中 Granger 因果关系的检验过程。

xtgcause 通过最小化 Akaike 信息准则 (AIC)、贝叶斯信息准则 (BIC) 和 Hannan-Quinn 信息准则 (HQIC) 来选择模型中的滞后阶数，同时，它提供了 bootstrap 方法来计算 p 值和临界值。

1. Dumitrescu-Hurlin 检验  (DH 检验)

1.1 Granger 因果检验的基本思想

Granger (1969) 开创性地提出一种分析时间序列数据因果关系的方法。

假设 和 是两个平稳的序列，我们可以用如下模型来检验 x 是不是导致 y 变动的原因：

其基本思想在于，在控制 y 的滞后项 (过去值) 的情况下，如果 x 的滞后项仍然有助于解释 y 的当期值的变动，则认为 x 对 y 产生因果影响。

检验的原假设为：

这可以通过构造 F 统计量进行检验。如果 F 检验拒绝 ，则认为存在因果关系，即 x 是 y 的 Granger 因。显然，我们可以互换 x 和 y 的位置，以便检验 y 是否为 x 的 Granger 因。在很多情况下都会出现模型中所有变量之间都存在双向因果关系。

1.2 Dumitrescu-Hurlin 的拓展

Dumitrescu-Hurlin (2012) 在此基础上进行了拓展，提供了一个检验面板数据因果关系的方法。潜在的回归模型是：

其中，；。  和 是两个平稳序列在个体 i 和时间 t 上的观测值。

DH 的面板因果检验允许每个截面单元的回归系数是可变的(即在同一时间上，系数在个体之间不同)。假设滞后阶数 k 对于所有个体是相同的，并且面板必须是平稳的。

类似于 Granger 因果检验，DH 检验也是通过 x 的过去值对 y 的现值的影响来判断因果关系。

检验统计量

原假设认为面板中的所有个体都不存在因果关系，即：

备择假设为部分(不是所有的)个体存在因果关系：

其中， 是未知的。如果  ，则面板中的所有个体都存在因果关系。 必须严格小于 N 。

实现方法

在实际操作方面，DH 提出运行包含在 (1) 式中的 N 个独立回归，执行 k 个线性假设的 F 检验来获得 Wald 统计量 ，最后计算 Wald 统计量的平均值

DH 检验的目的在探索面板数据的因果关系，拒绝 并不排除一些个体的非因果关系。使用蒙特卡罗模拟(Monte Carlo Simulation), DH 发现 W 的渐进表现良好，可以用来检测面板因果关系。

在 Wald 统计量 是独立同分布的假设下，当 和，标准化的统计