我想更详细地解释这句话：
“与单一时间序列虚假回归文献不同，面板数据虚假回归估计给出了参数真实值的一致估计，因为 N 和 T 都趋于无穷大。这是因为，面板估计量是个体之间的平均值，并且信息在面板中的独立横截面数据导致比纯时间序列情况更强的整体信号。”
（来自 Baltagi 的面板数据计量经济学分析）。
我觉得很奇怪。虚假回归如何提供对真实值的一致估计（典型的虚假回归产生非零系数估计，而真实值为零）？
上面的引用给我的印象是，在面板环境中，不需要担心变量的非平稳性。这个对吗？
非平稳面板数据，虚假回归
机器算法验证
面板数据
平稳性
虚假相关
2022-03-20 08:24:42
1个回答
诚然，Baltagi 在这段具体的摘录中的措辞有点令人困惑。但不幸的是，在计量经济学文献中，“伪回归”一词已被用作“非平稳和非协整回归”的同义词
让我们首先尝试澄清什么是“虚假回归现象”：
虚假回归：当估计方法在两个变量之间产生统计上显着的关系时， 无论这种关系是否存在。
并且这种现象通常出现在过程不平稳且不协同集成的情况下。
仔细注意，一个关系可能确实存在——在“虚假回归”下，我们没有描述这种关系不存在的情况，但估计器产生了一个虚假的关系。问题在于，由于我们在所有情况下都会得到统计上显着的关系，因此我们无法判断我们看到的是真实的还是人工制品。
然后，Philips 和 Moon（参见他们2000 年的这篇论文以获得可访问的说明）表明，在面板数据设置中，回归不再是虚假的，但它始终如一地估计实际存在的情况——如果存在关系，它将估计关系，如果没有关系，它将估计为零。但是，这将在二维渐近线下发生，即 和 去无穷大。毕竟，这个结果背后的直觉正是对面板数据结构提供的二维信息的利用。
但我会避免像“我们不必担心非平稳（和非协整）面板”这样的一般断言——人们应该首先研究和理解理论结果以及在什么条件下（以及哪种面板）他们持有吗？
其它你可能感兴趣的问题