8 votos

Corrección de los errores estándar cuando las variables independientes están autocorrelacionadas

Tengo una pregunta sobre cómo corregir los errores estándar cuando la variable independiente tiene correlación. En un entorno simple de series temporales podemos utilizar la matriz de covarianza de Newey-West con un montón de rezagos y eso se encargará del problema de la correlación en los residuos. ¿Qué se hace en un entorno de datos de panel? Imaginemos una situación en la que se observan las empresas a lo largo del tiempo:

$$ Y_{i,t} = a + b\Delta{X_{i,t}} + \epsilon_{i,t} $$

donde el $\Delta{X_{i,t}} = X_{i,t} - X_{i,t-n}$ . Parece que la agrupación de los errores estándar en $i$ y en $t$ debería solucionar este problema. ¿Estoy en lo cierto?

6voto

Andy Puntos 10250

Hay varias formas de corregir la autocorrelación en un panel. La forma en que usted describe la agrupación no funciona del todo así. Lo que puede hacer es

  1. Agrupe los errores estándar en el identificador de la unidad, por ejemplo, la variable de identificación del individuo/empresa/hogar. Esto permite una correlación arbitraria dentro de los individuos que corrige la autocorrelación.
  2. Calcule el factor Moulton y ajuste sus errores estándar paramétricamente. Si tiene un panel equilibrado, el factor de Moulton es $$M = 1 + (n-1)\rho_e$$ donde $\rho_e$ es la correlación intraindividual del error. A continuación, basta con multiplicar los errores estándar por este factor para obtener una inflación adecuada de los errores estándar ingenuos que corregirá la autocorrelación.
  3. Realice un bootstrap en bloque de los errores estándar con los individuos como "bloques". Normalmente, 200-400 réplicas de bootstrap deberían ser suficientes para corregir los errores estándar. En el caso de paneles muy grandes, este enfoque puede llevar una cantidad de tiempo considerable.

Puede encontrar más información sobre este tema en
- Cameron y Trivedi (2010) "Microeconometrics Using Stata", edición revisada, Stata Press
- Wooldridge (2010) "Econometric Analysis of Cross Section and Panel Data", 2ª edición, MIT Press

i-Ciencias.com

I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.

Powered by:

X