Dr Łukasz Goczek - coin.wne.uw.edu.plcoin.wne.uw.edu.pl/lgoczek/Mat/Makroekonometria5.pdf · x...
Transcript of Dr Łukasz Goczek - coin.wne.uw.edu.plcoin.wne.uw.edu.pl/lgoczek/Mat/Makroekonometria5.pdf · x...
UWAGA OGÓLNA Stata rozróżnia duże i małe litery w poleceniach.
Jeśli polecenie skopiowane z mojej prezentacji nie działa w
Stacie, proszę zwrócić uwagę, czy Powerpoint nie zmienił
pierwszej litery na dużą!
Przypomnienie
Nickell (1981) – w FE nadal występuje korelacja
pomiędzy opóźnioną zmienną zależną i przekształconym
wyrażeniem błędu, która sprawia, że estymatory te mają
pożądane właściwości wyłącznie asymptotycznie, tzn.
gdy liczba obserwacji w czasie zmierza do
nieskończoności.
Nie jest to przypadek typowego modelu wzrostu gdzie z
reguły występuje znacznie mniej niż 50 obserwacji w
czasie (ze względu na uśrednianie z reguły jest to 5-10
obserwacji).
Z samej definicji metoda ta ogranicza analizę do
szukania średniej wewnątrz krajów, pomijając
być może istotne różnice między krajami.
Metoda ta w żadnym stopniu nie pomaga
rozwiązać problemu przyczynowości, błędu
pomiaru oraz pominiętych zmiennych,
zmiennych w czasie.
Nie pozwala również na szacowanie wpływu na
wzrost gospodarczy zmiennych o charakterze
stałym w czasie, jak np. wpływu geografii czy
historii.
Rozwiązanie – metody zmiennych instrumentalnych (i GMM)
Estymatory:
Andersona-Hsiao,
Arellano-Bonda,
Blundella Bonda,
PMG,
Kivietsa.
Rozważmy model w pierwszych różnicach:
itittiit yy β'
1, x
Pozbycie się efektu stałego i niewiele więcej.
Transformacja 1, tiy powoduje endogeniczność, ponieważ
1, tiy w 2,1,1, tititi yyy jest skorelowane z 1, ti w
1, tiitit
Jeżeli nie ma autokorelacji opóźnione zmienne mogą
być egzogeniczne, mogą stanowić instrumenty.
Po zróżnicowaniu efektów stałych, dostępny jest
naturalny estymator Metody Zmiennych
Instrumentalnych.
Możemy skonstruować instrumenty z opóźnionej
zmiennej zależnej, opóźnionej dwa razy, trzy razy itd.
Rozwiązaniem problemu błędu pomiarowego i przeciwnej
przyczynowości jest estymator Metody Zmiennych
Instrumentalnych Andersona i Hsiao (1981)
Zakłada szacowanie modelu na pierwszych różnicach i
użycie przeszłego poziomu PKB w drugim opóźnieniu
jako instrumentu dla opóźnionych pierwszych różnic PKB.
Przy założeniu braku AR() w ,it naturalnymi
instrumentami dla 1, tiy są 2, tiy oraz 2, tiy
Wyrażenia bliskie 1, tiy
2, tiy wydaje się rozsądniejsze: już od t = 3
Niemniej jednak tracimy mnóstwo obserwacji, gdy T
jest małe.
Podobnie w przypadku pozostałych zmiennych
Konieczność instalacji pakietu xtivreg2
net install xtivreg2
xi: xtivreg2 dpkb pop lki i.num5
(lpkb = l.lpkb), fd
Parametr fd wybiera estymator Andersona i Hsiao 1981,
lecz dostępne inne metody.
help xtivreg2
IV (2SLS) estimation
--------------------
Estimates efficient for homoskedasticity only
Statistics consistent for homoskedasticity only
[del]
------------------------------------------------------------------------------
D.dpkb | Coef. Std. Err. z P>|z| [95% Conf. Interval]
-------------+----------------------------------------------------------------
lpkb |
D1. | -1.590232 .1577865 -10.08 0.000 -1.899488 -1.280976
|
[del]
Underidentification test (Anderson canon. corr. LM statistic): 225.987
Chi-sq(1) P-val = 0.0000
------------------------------------------------------------------------------
Weak identification test (Cragg-Donald Wald F statistic): 266.985
Stock-Yogo weak ID test critical values: 10% maximal IV size 16.38
15% maximal IV size 8.96
20% maximal IV size 6.66
25% maximal IV size 5.53
Source: Stock-Yogo (2005). Reproduced by permission.
------------------------------------------------------------------------------
Sargan statistic (overidentification test of all instruments): 0.000
(equation exactly identified)
------------------------------------------------------------------------------
Egzogenicznośd instrumentów – Craig Donald F
Poprawnośd instrumentów – Sargan (o teście na koocu).
Werdykt:
Instrumenty egzogeniczne, ale restrykcje przeidentyfikujące niepoprawne.
Pozwala to na wyizolowanie tej części wariacji zmiennej
objaśnianej, która nie jest związana z przeciwną
przyczynowością, pominiętymi zmiennymi i błędem
pomiarowym.
Metoda ta prowadzi do oszacowań zgodnych, lecz mogą
być one nieefektywne przy niesferyczności składnika
losowego z powodu braku wykorzystania wszystkich
warunków dotyczących momentów (Hansen, 1982).
Konieczność dalszych opóźnień niepożądana.
o Zmniejszenie T.
o Problem dla krótkich paneli
Po zróżnicowaniu, błędy nie i.i.d.
o it i 1, ti skorelowane
o 2SLS nieefektywna
Zasadność wprowadzenia instrumentu w postaci opóźnienia
zmiennej objaśnianej zapisać można w postaci założenia
identyfikującego momenty:
Aby podnieść efektywność estymatora, Arellano i Bond (1991)
wykorzystują wszystkie możliwe instrumenty w postaci
opóźnień i różnic.
Zasadność wprowadzenia tych instrumentów należy zapisać w
postaci warunków dotyczących momentów, założeń
identyfikujących, które służą do zbudowania estymatora
Uogólnionej Metody Momentów.
, 1 , 2it i t i tE u u y
Użycie dużej ilości opóźnień. W przypadku braku w
macierzy zero.
Utworzono instrumenty dla każdego opóźnienia i
okresu.
Instrumenty IV:
2,
1
.
.
Ti
i
y
y
UMM:
.
000
0000
00000
000000
000000
123
12
1
iii
ii
i
yyy
yy
y
Wynik: Arellano-Bond (1991) estymator różnicowy
UMM
Warunki momentów utworzono przy założeniu, że
opóźnione poziomy zmiennej zależnej są ortogonalne do
zróżnicowanego zaburzenia są znane jako warunki
momentów UMM.
Warunki momentów tworzone przy użyciu ściśle
egzogenicznych zmiennych są po prostu standardowymi
warunkami metody zmiennych instrumentalnych( IV),
nazywane są też standardowymi warunkami momentów.
Skund one się wzieły, te instrumenty czy jak?
Każdy regresor traktujemy jako ściśle egzogeniczny.
Każdy regresor daje jeden instrument.
Pozostałe instrumenty pochodzą z p-2 instrumentów
dostępnych w okresach p = 3, 4, …, T
W okresie 3, yi1 jest poprawnym instrumentem dla yi3
W okresie 4, yi1 i yi2 są poprawnym instrumentami dla
yi4
W okresie 5, yi1, yi2 i yi3 są poprawnym instrumentami
dla yi5
W okresie 6, yi1, yi2, yi3 i yi4 są poprawnym
instrumentami dla yi6
i tak dalej
Liczba instrumentów:
p = T − 2 (jeden okres na różnice, jeden na opóźnienie)
k + p ∗ (p + 1)/2
Gdzie k to liczba egzogenicznych zmiennych.
xtabond dpkb l.lpkb pop ki, lags(1) vce(robust) artests(2)
Arellano-Bond dynamic panel-data estimation Number of obs = 1214
Group variable: cty Number of groups = 188
Time variable: num5
Obs per group: min = 1
avg = 6.457447
max = 9
Number of instruments = 49 Wald chi2(4) = 233.09
Prob > chi2 = 0.0000
One-step results
(Std. Err. adjusted for clustering on cty)
------------------------------------------------------------------------------
| Robust
dpkb | Coef. Std. Err. z P>|z| [95% Conf. Interval]
-------------+----------------------------------------------------------------
dpkb |
L1. | -.1297861 .0407782 -3.18 0.001 -.20971 -.0498623
|
lpkb |
L1. | -.2716851 .0271594 -10.00 0.000 -.3249166 -.2184536
|
pop | -2.914595 1.661945 -1.75 0.079 -6.171947 .3427576
ki | .0057089 .0013495 4.23 0.000 .0030639 .008354
_cons | 2.534362 .2645364 9.58 0.000 2.01588 3.052844
------------------------------------------------------------------------------
Instruments for differenced equation
GMM-type: L(2/.).dpkb
Standard: LD.lpkb D.pop D.ki
Instruments for level equation
Standard: _cons
Porównanie estymatorów jedno i
dwustopniowych:
xi: xtabond dpkb l.lpkb pop ki i.num5,
lags(2)
eststo AB_ONESTEP
xi: xtabond dpkb l.lpkb pop ki i.num5,
lags(2) two
eststo AB_TWOSTEP
esttab
--------------------------------------------
(1) (2)
stopniowa stopniowa
--------------------------------------------
L.dpkb -0.0784** -0.118***
(-3.16) (-4.50)
L2.dpkb -0.176*** -0.112***
(-7.27) (-6.41)
L.lpkb -0.443*** -0.444***
(-25.45) (-19.57)
pop -0.358 -1.103
(-0.63) (-1.84)
ki 0.00468*** 0.00538***
(5.77) (6.05)
cons 3.734*** 3.789***
(23.94) (19.93)
--------------------------------------------
N 1026 1026
--------------------------------------------
Natura problemu wydaje się byd związana z nadmiernym dopasowaniem.
Efektywne UMM daje mniejszą wagę momentom z wysoką wariancją (wysoka waga drugich momentów)
Możliwe, że UMM w małych próbkach może nie brad pod uwagę obserwacji mniej typowych (wysoka waga pierwszych momentów)
Wskazywana jest przypadkowa precyzja.
Oszacowanie jednostopniowe:
Yf1β̂ (warunkowo względem X, Z)
Oszacowanie jednostopniowe błędów do Ω̂ :
))(,()ˆ,(ˆˆˆ '1
''1
'1
''
2 YYΩYYZZΩZZXXZZΩZZX fgg
β
Standardowe oszacowanie 2ˆVar β uznaje Ω̂ za stałą,
obserwowaną i dokładną – pomimo zależności od losowego Y.
Roszerzenie Taylora g wokół prawdziwego β :
ββ
ββ
ββ
1
ˆ
ˆˆ2ˆˆ,
ˆˆ,ˆ,ˆ
1 ΩYΩYΩY ggg
―Korekta‖ bierze się z drugiego wyrazu:
0ˆE 1 ββ zatem
2ˆE β —brak obciążeń współczynników
Wpływ na wariancję - jedynie na błędy.
Porównanie estymatorów jedno i dwustopniowych:
xi: xtabond dpkb l.lpkb pop ki i.num5,
lags(2)
eststo AB_ONESTEP
xi: xtabond dpkb l.lpkb pop ki i.num5,
lags(2) two
eststo AB_TWOSTEP
xi: xtabond dpkb l.lpkb pop ki i.num5,
lags(2) two vce(robust)
eststo AB_TWOSTEP_WIND
esttab
--------------------------------------------------------------
(1) (2) (3)
ONESTEP TWOSTEP TWOSTEP_WIND
--------------------------------------------------------------
L.dpkb -0.0784** -0.118*** -0.118*
(-3.16) (-4.50) (-2.18)
L2.dpkb -0.176*** -0.112*** -0.112***
(-7.27) (-6.41) (-3.41)
L.lpkb -0.443*** -0.444*** -0.444***
(-25.45) (-19.57) (-10.65)
pop -0.358 -1.103 -1.103
(-0.63) (-1.84) (-0.70)
ki 0.00468*** 0.00538*** 0.00538***
(5.77) (6.05) (3.66)
_cons 3.734*** 3.789*** 3.789***
(23.94) (19.93) (11.23)
--------------------------------------------------------------
N 1026 1026 1026
--------------------------------------------------------------
t statistics in parentheses
* p<0.05, ** p<0.01, *** p<0.001
.
Hipoteza zerowa: H0: wprowadzenie restrykcji było uzasadnione.
Statystyka testu określona jest jako: 11~''~1uZZWu
NSar N
gdzie:
WN jest optymalną macierzą wag,
1~u jest wektorem reszt z I stopnia estymacji dla odpowiedniego estymatora.
1
u dla UMM w modelu na pierwszych różnicach
1
1
ˆ
0
0 u
u dla systemowego UMM,
Z jest macierzą instrumentów odpowiadającą danemu estymatorowi.
Hipoteza zerowa: H0: wprowadzenie restrykcji było uzasadnione.
Statystyka testu określona jest jako: 11~''~1uZZWu
NSar N
Statystyka ma asymptotycznie rozkład 2
kp , gdzie p oznacza liczbę wszystkich
wykorzystywanych warunków, natomiast k jest liczbą szacowanych parametrów.
xtabond dpkb l.lpkb pop ki,
lags(2) artests(2)
estat sargan Sargan test of overidentifying restrictions
H0: overidentifying restrictions are valid
chi2(42) = 298.8597
Prob > chi2 = 0.0000
xtabond dpkb l.lpkb pop ki,
lags(5) artests(2)
estat sargan Sargan test of overidentifying restrictions
H0: overidentifying restrictions are valid
chi2(30) = 96.94337
Prob > chi2 = 0.0000
xtabond dpkb l.lpkb pop ki,
lags(7) artests(2)
estat sargan Sargan test of overidentifying restrictions
H0: overidentifying restrictions are valid
chi2(9) = 12.36628
Prob > chi2 = 0.1934
Spodziewamy się AR() w itiit
Aby sprawdzić AR(1) w it , testujemy AR(2) w
ite porównujemy 1, tiit ee i 3,2, titi ee żeby stwierdzić
2,1, ~ titi ee
Statistyka testu AR(l):
ti
ltiit ee,
,
Normalny rozkład przy H0 o braku AR(l)
Arellano i Bond obliczają odchylenie
test z dla AR()
xtabond dpkb l.lpkb pop ki,
lags(1) artests(2)
estat abond artests not computed for one-step system estimator with
vce(gmm)
Arellano-Bond test for zero autocorrelation in first-
differenced errors
+-----------------------+
|Order | z Prob > z|
|------+----------------|
| 1 |-3.8051 0.0001 |
| 2 |-2.8764 0.0040 |
+-----------------------+
H0: no autocorrelation
Obecność autokorelacji pierwszego rzędu przyrostów
zakłóceń wynika z konstrukcji modelu. Oznacza to, że
obecność autokorelacji pierwszego rzędu nie świadczy
o niezgodności estymatorów UMM.
H0 odrzucona również na drugim poziomie. Tu
problem, autokorelacja drugiego rzędu.
Oszacowania niezgodne.
Zwiększamy liczbę opóźnień.
xtabond dpkb l.lpkb pop ki,
lags(2) artests(2) estat abond
artests not computed for one-step system estimator with
vce(gmm)
Arellano-Bond test for zero autocorrelation in first-
differenced errors
+-----------------------+
|Order | z Prob > z|
|------+----------------|
| 1 |-3.7764 0.0002 |
| 2 | 1.3205 0.1867 |
+-----------------------+
H0: no autocorrelation
ALGORYTM 1. FE>MNK, chociaż w przypadku niektórych obciążeń MNK
bardziej efektywna.
2. FE versus RE, BE - test Hausmanna.
3. Jeżeli FE – test Woolridge’a, czy poprawka na zaburzenie
AR(1)
4. Pozostaje zbadać, czy model FE jednokierunkowy, czy
dwukierunkowy – test F zmiennych zerojedynkowych.
5. Anderson-Hsiao, sprawdzić testem Sargana, czy instrumenty:
Poprawne, testem Craig-Donalda czy egzogeniczne.
6. Arellano-Bond – jedno czy dwustopniowy, czy z korektą na
skończoną próbę – test Sargana i Arellano Bonda.
7. Jak źle wychodzą testy, zwiększamy liczbę instrumentów, z
metody jednostopniowej przechodzimy na dwustopniową,
zwiększamy liczbę instrumentów, ale bez przesady!
Bo to jeszcze nie koniec…
Nie można uzyskad szacunków zmiennych o charakterze stałym. W tych zebranych danych nie ma takiej zmiennej, niemniej jednak pozostaje do wyboru Hausman-Taylor IV estymator, który w Stacie można uzyskad przy pomocy:
help xthtaylor
Który umożliwia takie oszacowanie przy pomocy instrumentów polegających na zmiennych objaśniających z okresów innych niż aktualnie szacowany.
Jeżeli y ma charakter bliski błądzeniu
losowemu, 1, tiy jest słabym instrumentem
dla ity .
Pytanie: które procesy w ekonomii NIE
mają takiego charakteru?