温馨提示: 定期 清理浏览器缓存,可以获得最佳浏览体验。
New!
lianxh
命令发布了:
随时搜索推文、Stata 资源。安装:
. ssc install lianxh
详情参见帮助文件 (有惊喜):
. help lianxh
⛳ Stata 系列推文:
作者: 曹琳君 (南开大学)
Source:
目录
预测变量之间的因果关系是经济学的主要研究任务之一。然而传统的回归分析方法(经济学分析的主要工具之一)只能反映某一个变量与其他变量的拟合情况,并不能检验变量之间因果关系的依存性和识别变量之间的因果方向。
为了解决这一问题,诺贝尔经济学获奖者克莱夫·格兰杰提出了基于最小二乘法的时间序列的因果关系检验方法,即格兰杰因果检验。在格兰杰因果检验的基础上,Jiaqi Xiao, Yiannis Karavias 和 Vasilis Sarafidis 三位学者开发了 xtgranger
命令,使得格兰杰因果检验思想在面板数据中得到更好的运用。
本文主要介绍 xtgranger
命令的基本原理和主要公式并演示该命令在 Stata 中的具体运用。
xtgranger
命令遵循如下的线性动态面板数据模型:
对于每一个
在该模型中,作者假设:
在理论模型中,作者采用二元模型是为了表示的简单,该模型可以拓展到多元模型。
上述模型的假设如下:
如果拒绝原假设,
为了检测新开发的程序的性能,Arturas Juodis (2021)等人采用了 Binder 等人(2005) 和 Juodis(2018)的蒙特卡洛设置。Arturas Juodis (2021)等人假设二元向量
对于所有的
为了简化参数化,这次模拟检测中的基线设置了对所有
在齐次情况下我们让
为了涵盖更广泛的可能的备选假设,本次检验考虑了以下方案:
本次检验比较了两种统计量 HPJ (the proposed pooled Wald test statistic) 和 DHT (the Dumitrescu and Hurlin (2012) Wald test statistic ):
最终,检验结果表明:
即使在适当的时间维数下,HPJ (the proposed pooled Wald test statistic) 也具有良好的有限样本特性。相比之下,DHT (the Dumitrescu and Hurlin (2012) Wald test statistic ) 会发生较大的尺寸畸变,尤其是当 T < N 时。此外,在统计检验力方面,HPJ 优于 DHT,尤其是在 N 和 T 都较大的面板中。
xtgranger
的安装命令如下:
ssc install xtgranger, replace
xtgranger depvar [indepvars] [if] [in]
[, lags(integer) maxlags(integer) het sum nodfc]
depvar
:被解释变量;
indepvars
: 解释变量
lags()
: 括号内填入的整数表示指定要添加到回归中的因变量和自变量的滞后数。lags()是未指定指,默认为 lags(1)。
maxlags()
: 括号内填入的整数表示滞后期的上限。
需要注意的是 lags() 和 maxlags() 不能同时使用。
首先,我们使用如下命令调用 xtgranger
命令自带的数据集:
net get xtgranger.pkg, replace //下载范例数据和dofile
use "xtgranger_example.dta",clear
des
Contains data from xtgranger_example.dta
Observations: 25,200
Variables: 9 15 Apr 2021 11:50
----------------------------------------------------------------
Variable Storage Display Value
name type format label Variable label
----------------------------------------------------------------
cert long %8.0g
time byte %8.0g
roa float %8.0g
inefficiency float %8.0g
quality float %8.0g
size float %8.0g
liquidity float %8.0g
cluster byte %8.0g
ltd float %8.0g
----------------------------------------------------------------
Sorted by: cert time
在该数据集中,ROA 表示自然回报率,inefficiency 表示成本无效率, quality 表示银行资产质量, size 表示资产规模, liquidity 表示负债规模。
在进行正式分析前,先进行面板数据检验:
xtset cert time
检验结果如下:
Panel variable: cert (strongly balanced)
Time variable: time, 1 to 56
Delta: 1 unit
检验结果表明该数据为面板数据,可以使用 xtgranger
命令进行数据分析。
下面,我们进入正式的因果分析,命令如下:
xtgranger roa inefficiency quality, lags(2)
回归结果如下:
Juodis, Karavias and Sarafidis (2021) Granger non-causality test results:
-------------------------------------------------------------------------
Number of units= 450 T = 54
Number of lags = 2 BIC = -33371.195
-------------------------------------------------------------------------
HPJ Wald test : 71.453051 pvalue_HPJ : 0.0000
H0: Selected covariates do not Granger-cause roa.
H1: H0 is violated.
-------------------------------------------------------------------------
Results for the Half-Panel Jackknife estimator
-------------------------------------------------------------------------
| Coefficient Std. err. z P>|z| [95% conf. interval]
--------+----------------------------------------------------------------
inefficiency
L1. | .3269529 .0506336 6.46 0.000 .2277128 .426193
L2. | .0759361 .0492966 1.54 0.123 -.0206834 .1725556
quality
L1. | .0095732 .0174926 0.55 0.584 -.0247116 .043858
L2. | -.0679736 .0173881 -3.91 0.000 -.1020537 -.0338936
-------------------------------------------------------------------------
从回归结果中我们可以看出:
(1) pvalue_HPJ
的值小于 0.01,所以可以拒绝零假设,认为 inefficiency 和 quality 是影响 ROA 的原因,即存在格兰杰因果关系。
(2)inefficiency 和 quality 的回归系数在滞后一期和滞后两期分别为
通过对基本原理的分析,我们可以看出 xtgranger
命令主要考虑了具有大截面和时间序列维数的面板数据的格兰杰非因果检验问题。如果你恰好有这方便的研究需求,不妨尝试适用该命令。
在使用该命令中,需要注意的是:该命令并非官方命令,在使用中需要规范引用。
Note:产生如下推文列表的 Stata 命令为:
lianxh 因果 granger
安装最新版lianxh
命令:
ssc install lianxh, replace
免费公开课
最新课程-直播课
专题 | 嘉宾 | 直播/回看视频 |
---|---|---|
⭐ 最新专题 | 文本分析、机器学习、效率专题、生存分析等 | |
研究设计 | 连玉君 | 我的特斯拉-实证研究设计,-幻灯片- |
面板模型 | 连玉君 | 动态面板模型,-幻灯片- |
面板模型 | 连玉君 | 直击面板数据模型 [免费公开课,2小时] |
⛳ 课程主页
⛳ 课程主页
关于我们
课程, 直播, 视频, 客服, 模型设定, 研究设计, stata, plus, 绘图, 编程, 面板, 论文重现, 可视化, RDD, DID, PSM, 合成控制法
等
连享会小程序:扫一扫,看推文,看视频……
扫码加入连享会微信群,提问交流更方便
✏ 连享会-常见问题解答:
✨ https://gitee.com/lianxh/Course/wikis
New!
lianxh
命令发布了:
随时搜索连享会推文、Stata 资源,安装命令如下:
. ssc install lianxh
使用详情参见帮助文件 (有惊喜):
. help lianxh