机器算法验证 - 当自变量自相关时校正标准误差 - 吾爱随笔录

当自变量自相关时校正标准误差

机器算法验证聚类标准错误面板数据

2022-03-17 01:44:58

当自变量具有相关性时，我有一个关于如何纠正标准误差的问题。在一个简单的时间序列设置中，我们可以使用带有一堆滞后的 Newey-West 协方差矩阵，这将解决残差中的相关问题。在面板数据设置中做什么？想象一下随着时间推移观察公司的情况：

Y_{i, t} = a + b Δ X_{i, t} + ϵ_{i, t}

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

在哪里 $\Delta{X_{i,t}} = X_{i,t} - X_{i,t-n}$ . 似乎聚类标准错误 $i$ 和上 $t$ 应该解决这个问题。我对么？

1个回答

有几种方法可以校正面板设置中的自相关。您描述集群的方式不太适用。你可以做的是：

对单位标识符上的标准误差进行聚类，例如个人/公司/家庭 ID 变量。这允许在个体内进行任意相关，从而校正自相关。
计算 Moulton 因子并以参数方式调整标准误差。如果你有一个平衡的面板，莫尔顿因子是 $M = 1 + (n - 1) ρ_{e}$ $M = 1 + (n-1)\rho_e$ 在哪里 $\rho_e$ 是误差的个体内相关性。然后，您只需将您的标准误差乘以该因子，以获得对自相关进行校正的朴素标准误差的适当膨胀。
块引导标准错误，个人是“块”。通常 200-400 次引导复制应该足以纠正您的标准错误。对于非常大的面板，这种方法可能需要大量时间。

您可以在- Cameron and Trivedi (2010) “Microeconometrics Using Stata”，修订版，Stata Press
- Wooldridge (2010) “Econometric Analysis of Cross Section and Panel Data”，第 2 版，MIT Press中找到有关此主题的更多信息

其它你可能感兴趣的问题

上一篇增强 AR 用于时间序列预测？下一篇数据集上的预期最佳性能