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