跳到内容
得到许可的 未经许可 需要身份验证 发布人:德古意特出版社 2019年8月1日

动态面板模型的水平估计

  • 加布里埃尔·蒙特斯·罗哈斯 ORCID标志 电子邮件徽标 , 沃尔特·索萨·埃斯库德罗 费德里科·津森科

摘要

本文基于参数化协变量和未观测到的时不变效应之间的协方差,提出了一种线性动态面板数据模型的替代估计方法。GMM框架用于根据水平中的矩条件导出最优估计量,与经典替代方案(Arellano,M.和S.Bond.1991)相比,没有效率损失。“面板数据规范的一些检验:蒙特卡洛证据和就业方程的应用。”经济研究综述58(2):277–297),(Ahn,S.C.和P.Schmidt,1995年。“动态面板数据模型的有效估计。”计量经济学杂志68(1):5–27)和(Ahn,S.C.和P.Schmidt.1997)。“动态面板数据模型的有效估计:替代假设和简化估计。”计量经济学杂志76: 309–321). 然而,我们通过分析和蒙特卡罗模拟表明,新程序可以提高某些数据生成过程的效率。该框架还可以对未观察到的效果进行非常简单的测试。

JEL分类:第12项;C23型

致谢

我们感谢罗成英的出色研究协助。我们还感谢编辑Raffaella Giacomini教授、副主编和两位匿名审稿人提出的建设性意见,这些意见改进了论文。感谢中央研究发展基金(匹兹堡大学)和RAICES计划(阿根廷CONICET)的资助。

A附录

A.1Ω的一致估计

为了构造Ω的一致估计量,首先,我们提出了Ω的一致(第一步)估计量θ。我们建议使用θ˙=(α˙,γ˙,β˙,σ˙μ2,τ˙),其中(γ˙,β˙)是的第一步Arellano-Bond估计量(γ,β):

(γ˙β˙)=[(1N个=1N个Δx个Z~)(1N个=1N个Z~Δx个)]1(1N个=1N个Δx个Z~)(1N个=1N个Z~Δ).

此外,我们建议

α˙=1N个(T型1)=1N个t吨=2T型(t吨γ˙,t吨1x个t吨β˙),σ˙μ2=1N个(T型2)=1N个t吨=T型u个˙t吨u个˙,t吨1,τ˙1=1N个(T型1)=1N个t吨=2T型1u个˙t吨,τ˙1x个=1N个(T型1)=1N个t吨=2T型x个1u个˙t吨,τ˙j个x个=1N个(T型j个+1)=1N个t吨=j个T型x个j个u个˙t吨j个2,

τ˙=(τ˙1,τ˙1x个,,τ˙T型x个)、和u个˙t吨=t吨α˙γ˙,t吨1x个t吨β˙.然后Ω的自然估计量变为

Ω˙=1N个=1N个(θ˙)(θ˙).

下一个引理建立了一致性。

引理3

低于假设1假设3,θ˙P(P)θΩ˙P(P)Ω.

证明。

的一致性(γ,β)后面是标准参数。首先,请注意

1N个=1N个Δx个Z~

(1/N个)=1N个Z~Δ概率收敛到E类(Δx个Z~)E类(Z~Δ)分别为;因此,

(13)(γ˙β˙)P(P)[E类(Δx个Z~)E类(Z~Δx个)]1E类(Δx个Z~)E类(Z~Δ).

然后,期望的结果如下所示

(14)E类(Z~Δ)=E类(Z~Δx个)(γβ).

为了证明其他估计值是一致的,我们在纽伊和麦克法登(1994).定义功能

(f)α([(1,),(x个1,x个)];γ,β)=1T型1t吨=2T型(t吨γ,t吨1x个t吨β)

然后写

α˙=1N个=1N个(f)α([(1,),(x个1,x个)];γ˙,β˙).

然后,观察一下E类{(f)α([(1,),(x个1,x个)];γ,β)}=α0通过引理4.3纽伊和麦克法登(1994),我们有

1N个=1N个(f)α([(1,),(x个1,x个)];γ˙,β˙)P(P)E类{(f)α([(1,),(x个1,x个)];γ,β)}

如果以下条件成立:(i)(f)α([(1,),(x个1,x个)];γ,β)持续时间为(γ,β)概率为1;(ii)有邻里属于(γ,β)这样的话

E类[啜饮(γ,β)B类|(f)α([(1,),(x个1,x个)];γ,β)|]<;

(iii)(γ˙,β˙)P(P)(γ,β)显然,(i)持有是因为(f)α([(1,),(x个1,x个)];γ,β)在中是线性的(γ,β)实现[(1,),(x个1,x个)]条件(ii)适用于任何此类社区,因为E类|[(1,),(x个1,x个)]|是一个有限矩阵,并且T型也是有限的。条件(iii)适用于等式(13)–(14).

以类似的方式处理其余的估计量,我们得到了期望的结果。特别是矩阵或向量的元素超形式,我们强调E类[啜饮θN个(θ)(θ)]<适用于任何社区𝒩包含θ因为(1,,x个1,,x个T型)具有有限的第二个第四个力矩。这是假设1,这将在第节中讨论。2. ⊡

A.2▽的闭式表达式θΨ(θ)

考虑任何θ∈ Θ. Ψ的雅可比矩阵(θ),表示为▽θΨ(θ),可以划分为5个块:

θΨ(θ)小时×[k个(T型+1)+4]=(αΨ(θ)小时×1γΨ(θ)小时×1βΨ(θ)小时×k个σμ2Ψ(θ)小时×1τΨ(θ)小时×(k个T型+1))(Ψ(θ)αΨ(θ)γΨ(θ)βΨ(θ)σμ2Ψ(θ)τ).

紧接着αΨ(θ)=0小时×1。我们提供以下封闭式表达式γΨ(θ),βΨ(θ),σμ2Ψ(θ)、和τΨ(θ)。这些表达式将用于计算θ(θ).

首先,观察一下

ψt吨(θ)γ=(t吨1)γt吨2τ1+=2t吨(t吨)γt吨1τx个,β+{(t吨1)γt吨2γ1γt吨11(γ1)2}σμ2.

然后,我们可以写

γΨ(θ)=(0(T型1)×1γΨY(Y)(θ)0小时x个×1),

哪里γΨY(Y)(θ)ΨY(Y)(θ)/γ是一个小时×1向量的形式如下:0占据位置{[t吨(t吨1)/2]+1:t吨=1,,T型1},ψ2(θ)/γ占据位置{[t吨(t吨1)/2]+2:t吨=2,,T型1},以及一般情况ψj个(θ)/γ占据位置{[t吨(t吨1)/2]+j个:t吨=j个,,T型1}对于2≤j个T型− 1.

第二,注意

ψt吨(θ)β1×k个==2t吨γt吨τx个.

然后,

βΨ(θ)=(0(T型1)×k个βΨY(Y)(θ)0小时x个×k个),

哪里βΨY(Y)(θ)ΨY(Y)(θ)/β是一个小时×k个其行可以按如下方式构造的矩阵γΨY(Y)(θ).以类似的方式进行,我们还可以构建σμ2Ψ(θ).

下一步考虑τΨ(θ).我们写作

τΨ(θ)=(0(T型1)×10(T型1)×k个0(T型1)×k个0(T型1)×k个τ1ΨY(Y)(θ)τx个,1ΨY(Y)(θ)τx个,t吨ΨY(Y)(θ)τx个,T型ΨY(Y)(θ)0小时x个×1τx个,1ΨX(X)(θ)τx个,t吨ΨX(X)(θ)τx个,T型ΨX(X)(θ)),

哪里τ1ΨY(Y)(θ)ΨY(Y)(θ)/τ1,τx个,t吨ΨY(Y)(θ)ΨY(Y)(θ)/τx个,t吨

τx个,t吨ΨX(X)(θ)ΨX(X)(θ)/τx个,t吨.

这些子矩阵的维数为小时× 1,小时×k个小时x个×k个分别是。可以按照前面的步骤进行构造。特别是,如果τx个,t吨ΨX(X)(j个1:j个2,:)(θ)表示的子矩阵τx个,t吨ΨY(Y)(θ)来自行j个1j个2并包含所有列,然后

τx个,t吨ΨX(X)(j个1:j个2,:)(θ)=k个×k个

对于每个(j个1,j个2){(k个[t吨2+(+1)/2]+1,k个[t吨1+(+1)/2]):=最大值{t吨1,1},,T型1},而其余的元素τx个,t吨ΨY(Y)(θ)都等于0。

A.3证明

附录部分包含正文中所述引理和定理的证明。

A.3.1引理1的证明

根据等式(7)–(8),θ是的解决方案E类[(θ)]=0小时×1。我们证明了这一点θ确实是唯一的解决方案。θ~=(α~,γ~,β~,σ~μ2,τ~)满足E类[(θ~)]=0小时×1.

我们首先证明(γ~,β~)=(γ,β).让Z(t吨,)Z~(t吨,)表示(t吨,)-系数ZZ~分别是。定义映射J型:{1,,小时}{1,,T型1}J型~:{1,,小时~}{1,,T型2}这样的话

Z(J型(),)0    Z~(J型~(),)0

基本上,J型()(或J型~())提供包含列的非零元素的行数属于Z(或Z~). 请注意,这两者J型()J型~()定义为ZZ~只包含一个非零系数。现在,对于给定的=1,,小时~,进一步定义(L(左)1(),L(左)2()){1,,小时}2这样的话

Z~(J型~(),)=Z(J型~(),L(左)1())=Z(J型~()+1,L(左)2()).

请注意L(左)1()L(左)2()明确定义为Z~是的子矩阵Z以及每行ZZ~不包含非零重复元素。此外,我们必须L(左)1()<L(左)2()通过建造Z.然后,让D类B类不草率行事小时~×小时其分量由以下公式给出的矩阵

[D类B类](~,)={1如果  =L(左)1(~),1如果  =L(左)2(~),0否则.

例如,当T型=3和k个=1,我们有

D类B类×10=(001100000000000101000000001010).

通过施工,D类B类必须满足

(15)D类B类Z(x个κ)=Z~ΔZ~Δx个(γβ)

以及D类B类Ψ(θ)=0小时~×1(参见等式(5)–(7)). 我们指的是Ahn和Schmidt(1995,附录A.2款)有关这些结果的进一步讨论和示例。请注意E类[D类B类(θ~)]=D类B类E类[(θ~)]=0小时~×1,所以等于(15)收益率阿雷拉诺和邦德的(1991)线性方程组:

(16)E类(Z~Δx个)(γ~β~)=E类(Z~Δ).

E类(Z~Δx个)具有完整等级(假设3),这个(线性)方程组有一个唯一的解,因此,我们必须(γ~,β~)=(γ,β).

关于其他参数,使用系统的第一个方程E类[(θ~)]=0小时×1,我们获得

E类(2)α~γ~E类(1)E类(x个2)β~=0

因此α~=E类(2)γ~E类(1)E类(x个2)β~=E类(2)γE类(1)E类(x个2)β=α。还使用T型-第个方程E类[(θ~)]=0,因此

τ~1=E类[1(2α~γ~1x个1β~)]=E类[1(2αγ1x个1β)]=E类(1u个2)=E类(1μ)=τ1.

以类似的方式进行,我们可以证明τ~t吨x个=τt吨x个对于每个t吨= 1, …,T型最后,利用(T型+2)第个方程式E类[(θ~)]=0小时×1与表达式相关(),我们获得

E类[2(2α~γ~1x个1β~)](γ~τ~1+τ~2x个β~+σ~μ2)=0

因此

σ~μ2=E类[2(2α~γ~1x个1β~)](γ~τ~1+τ~2x个β~)=E类[2(2αγ1x个1β)](γτ~1+τ2x个β)=σμ2.

   □

A.3.2定理证明1

  1. 定理2.6英寸纽伊和麦克法登(1994),为了建立一致性,只需检查是否满足以下条件:[2]

    1. Ω˙P(P)ΩΩ为正定;

    2. E类[(θ)]=0当且仅当θ=θ;

    3. θ∈内部(θ)对于某个紧集θ;

    4. (●)是概率为1的内部(θ)上的连续可微;

    5. E类[啜饮θΘ(θ)2]是有限的。

    条件(i)和(ii)紧随其后假设4引理1分别是。对于条件(iii),我们可以取任意紧集R(右)×(1,1)×R(右)k个×R(右)×R(右)k个T型+1包含θ。请注意,功能(●)和Ψ()定义明确R(右)×(1,1)×R(右)k个×R(右)×R(右)k个T型+1条件(iv)成立是因为(●)在上连续可微R(右)×(1,1)×R(右)k个×R(右)×R(右)k个T型+1实现[(1,),(x个1,x个)]特别是,雅可比矩阵的闭式表达式Ψ(θ)见附录A.2.条件(v)适用于任何紧集θ,因为(1,,x个1,,x个T型)具有有限的四阶矩。

  2. 根据定理3.4 in纽伊和麦克法登(1994)除了条件(i)-(v)外,要建立渐近正态性,只需验证:

    1. G公司Ω1G公司是非奇异的。

    2. E类[啜饮θΘθ(θ)2]是有限的。

    条件(vi)紧接着从假设5,而(vii)后面是(θ)(参见等式(8))以及附录中提供的特性A.2款.

   □

A.3.3引理2的证明

根据定理4.5 in纽伊和麦克法登(1994),条件(i)–(vii)足以建立渐近方差估计的一致性。

   □

A.3.4定理证明2

表示ΩD类=ΩD类(γ,β)=E类[D类(θ)D类(θ)]并考虑不可行估计

θ~=第页n个θΘ ¯D类(θ)(ΩD类)1¯D类(θ).

考虑这样一个估计器的原因是,通过表达式(12),它的渐近方差与θ^; 看见霍尔(2005,第3.7节)。分区后

ΩD类=(Ω11D类Ω12D类(小时~+T型2)×(k个T型+)Ω12D类(k个T型+)×(小时~+T型2)Ω22D类(k个T型+)×(k个T型+)),

θ~可以通过求解以下线性方程组进行计算:

((γ,β)¯1D类(γ,β)(γ,β)¯2D类(γ,β;θγβ)θγβ¯1D类(γ,β)θγβ¯2D类(γ,β;θγβ))(Ω11D类Ω12D类Ω12D类Ω22D类)1(¯1D类(γ,β)¯2D类(γ,β;θγβ))=0[k个(T型+1)+4]×1,

哪里(γ,β)¯1D类(γ,β)=(1/N个)=1N个(γ,β),1D类(γ,β),

(γ,β),1D类(γ,β)=(,1D类(γ,β)γ,1D类(γ,β)β),

其余术语以类似的方式定义。从对称分块矩阵的逆公式(泰尔1983,等式3.2)及之后,1D类(γ,β)不依赖于θγβ,即。θγβ¯1D类(γ,β)=0(小时~+T型2)×(k个T型+),我们的不可行估计(γ~,β~)可以通过求解(线性)方程组得到

(γ,β)¯1D类(γ,β)(Ω11D类)1¯1D类(γ,β)=0(k个+1)×1

或者,等效地,通过解决以下优化问题:

(17)(γ~,β~)=第页n个(γ,β) ¯1D类(γ,β)(Ω11D类)1¯1D类(γ,β).

从这些表达式可以看出,我们可以忽略θγβ,以及Ω12D类Ω22D类,计算时(γ~,β~).

遵循证明中的论点定理1.2,可以证明(γ~,β~)由提供[G公司1D类(Ω11D类)1G公司1D类]1,其中

G公司1D类=E类[(γ,β),1D类(γ,β)].

(γ~,β~)(γ^,β^)是渐近等价的,紧接着Σγβ=[G公司1D类(Ω11D类)1G公司1D类]1.分区

G公司1D类(小时~+T型2)×(k个+1)=(G公司S公司小时~×(k个+1)G公司1,2D类(T型2)×(k个+1)),

请注意G公司1,2D类=E类(Δx个~),并写入

(Ω11D类)1=((ΩS公司)1+(ΩS公司)1Ω11,12D类ΥΩ11,12D类(ΩS公司)1(ΩS公司)1Ω11,12D类ΥΥΩ11,12D类(ΩS公司)1Υ).

该逆矩阵通过应用式(3.2)获得泰尔(1983)我们认为γ是正定的,因为ΩD类=D类ΩD类是正定的(假设4)反之亦然。最后,可以得出以下结论

Σγβ1=(G公司S公司G公司1,2D类)(Ω11D类)1(G公司S公司G公司1,2D类)=G公司S公司[(ΩS公司)1+(ΩS公司)1Ω11,12D类ΥΩ11,12D类(ΩS公司)1]G公司S公司G公司1,2D类ΥΩ11,12D类(ΩS公司)1G公司S公司G公司S公司(ΩS公司)1Ω11,12D类ΥG公司1,2D类+G公司1,2D类ΥG公司~1,2D类=(ΣγβS公司)1+G公司S公司(ΩS公司)1Ω11,12D类ΥΩ11,12D类(ΩS公司)1G公司S公司G公司1,2D类ΥΩ11,12D类(ΩS公司)1G公司S公司G公司S公司(ΩS公司)1Ω11,12D类ΥG公司1,2D类+G公司1,2D类ΥG公司~1,2D类

因此

Σγβ1(ΣγβS公司)1=[G公司S公司(ΩS公司)1Ω11,12D类G公司1,2D类]Υ[G公司S公司(ΩS公司)1Ω11,12D类G公司1,2D类].

   □

工具书类

Ahn,S.C.和P.Schmidt。1995.“动态面板数据模型的有效估计”计量经济学杂志68 (1): 5–27.10.1016/0304-4076(94)01641-C在谷歌学者中搜索

Ahn,S.C.和P.Schmidt。1997.“动态面板数据模型的有效估计:替代假设和简化估计”计量经济学杂志76: 309–321.10.1016/0304-4076(95)01793-3在谷歌学者中搜索

Anderson、T.W.和C.Xiao。1981.“含误差分量的动态模型估计”美国统计协会杂志76: 598–606.10.1080/01621459.1981.10477691在谷歌学者中搜索

Anderson、T.W.和C.Xiao。1982.“使用面板数据建立和估计动态模型”计量经济学杂志18: 47–82.10.1016/0304-4076(82)90095-1在谷歌学者中搜索

Arellano,M.和S.Bond。1991.“面板数据规范的一些检验:蒙特卡洛证据和就业方程的应用”经济研究综述58 (2): 277–297.10.2307/2297968在谷歌学者中搜索

Arellano,M.和O.Bover。1995年,“错误成分模型工具变量估计的另一个视角”计量经济学杂志68 (1): 29–51.10.1016/0304-4076(94)01642-D在谷歌学者中搜索

Arias,O.、M.Marchionni和W.Sosa-Escudero。2011年,收入持续性的来源:萨尔瓦多农村的证据。”收入分配杂志20: 3–28.在谷歌学者中搜索

S.布伦德尔和S.邦德。1998.“动态面板数据模型中的初始条件和力矩限制”计量经济学杂志87 (1): 115–143.10.1920/wp.ifs.1995.9517在谷歌学者中搜索

Bun,M.和F.Windmeijer。2010.“动态面板数据模型中系统GMM估计的弱工具问题”计量经济学杂志13: 95–126.10.1111/j.1368-423X.2009.00299.x在谷歌学者中搜索

张伯伦,G.1980。“定性数据的协方差分析。”经济研究综述47 (1): 225–238.10.3386/w0325在谷歌学者中搜索

张伯伦,G.1982。“面板数据的多元回归模型。”计量经济学杂志18: 5–46.10.1016/0304-4076(82)90094-X在谷歌学者中搜索

张伯伦,G.1984。“面板数据”输入计量经济学手册由Z.Griliches和M.Intriligator编辑,第2卷,第22章,1247–1318。霍兰德北部。2016年10月10日/S1573-4412(84)02014-6在谷歌学者中搜索

Crepon,B.和J.Mairesse。2008.《面板数据的张伯伦方法:概述和一些模拟》,摘自面板数据的计量经济学, (3第个编辑:L.Matyas和P.Sevestre,ch.5,113–183。斯普林格。10.1007/978-3-540-75892-1_5在谷歌学者中搜索

霍尔,A.R.2005。广义矩量法牛津大学出版社。10.1002/0471667196.ess0300在谷歌学者中搜索

Harris,M.N.和L.Matyas。2004年,“动态面板数据模型不同IV和GMM估计值的比较分析”国际统计评论72: 397–408.10.1111/j.1751-5823.004.tb00244.x在谷歌学者中搜索

Harris,M.、L.Matyas和P.Sevestre。2008.《短面板的动态模型》,In面板数据的计量经济学(3第个编辑:L.Matyas和P.Sevestre,ch.8,249–278。斯普林格。10.1007/978-3-540-75892-1_8在谷歌学者中搜索

豪斯曼、J.N.和M.平科夫斯基。2017估计动态面板模型:消除Nickell偏差纽约联邦储备银行员工报告824。10.1920/wp.cem.2017.5317在谷歌学者中搜索

Holtz Eakin,D.、W.K.Newey和H.S.Rosen。1988年,“用面板数据估计向量自回归”计量经济学56 (6): 1371–1395.10.2307/1913103在谷歌学者中搜索

Judson,R.和A.Owen。1999.《估计动态面板数据模型:宏观经济学家指南》经济学快报65: 9–15.10.1016/S0165-1765(99)00130-5在谷歌学者中搜索

Lillard,L.A.和R.J.Willis。1978年,《收入流动的动态方面》计量经济学46 (5): 985–1012.10.3386/w0150在谷歌学者中搜索

Newey,W.K.和D.L.McFadden。1994.《大样本估计和假设检验》计量经济学手册由R.F.Engle和D.L.McFadden编辑,第4卷,第36章,2111–2245。霍兰德北部。10.1016/S1573-4412(05)80005-4在谷歌学者中搜索

Nickel,S.1981年。“具有固定效果的动态模型中的偏差。”计量经济学49 (6): 1417–1426.10.2307/1911408在谷歌学者中搜索

Robertson,D.和V.Sarafidis。2015.“四、因子残差面板估算”计量经济学杂志185 (2): 526–541.2016年10月10日/j.jeconom.2014.12.001在谷歌学者中搜索

Roodman,D.2009年。“关于太多乐器主题的注释。”牛津经济统计公报71 (1): 135–158.10.1111/j.1468-0084.2008.00542.x号在谷歌学者中搜索

Sasaki、Y.和Y.Xin。2017.“动态面板数据中的不等间距:识别和估计”计量经济学杂志196 (2): 320–330.2016年10月10日/j.jeconom.2016.10.002在谷歌学者中搜索

Stock,J.、M.Yogo和J.Wright。2002.“广义矩量法中的弱工具和弱识别的调查”商业与经济统计杂志20: 518–529.10.1198/073500102288618658在谷歌学者中搜索

Theil,H.1983年。“计量经济学中的线性代数和矩阵方法”,载计量经济学手册,由Z.Griliches和M.D.Intriligor编辑,第1卷,第1章,第3–65页。霍兰德北部。10.1016/S1573-4412(83)01005-3在谷歌学者中搜索

Wu,J.和L.Zhu。2012.“动态面板数据模型中随机效应的估计和测试”测试21 (3): 477–497.2007年10月17日/11749-011-0259-x在谷歌学者中搜索

山形,T.2008。“线性面板数据模型的联合序列相关性测试。”计量经济学杂志146 (1): 135–145.2016年10月10日/j.jeconom.2008.08.005在谷歌学者中搜索

Zincenko,F.、W.Sosa-Escudero和G.Montes-Rojas。2014.“时间非变量个体异质性与动态状态依赖的稳健测试”实证经济学47 (4): 1365–1387.2007年10月10日/00181-013-0788-0在谷歌学者中搜索

在线发布:2019-08-01

©2020 Walter de Gruyter GmbH,柏林/波士顿

2024年9月22日从下载https://www.degruyter.com/document/doi/10.1515/jem-2018-0015/html
滚动到顶部按钮