1 / 49

Dynamic models : GMM and other models

Dynamic models : GMM and other models. Temi: Endogeneità, variabili strumentali interne. Bond, 2002, IFS wp & J of Portoguese Economics. Main Reading in addition to Greene chapter (14.7 4th edition ). Theoretical dynamic model Persistent time series Endogeneous regressors

coral
Download Presentation

Dynamic models : GMM and other models

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Dynamic models: GMM and othermodels Temi: Endogeneità, variabili strumentali interne

  2. Bond, 2002, IFS wp & J of Portoguese Economics MainReading in addition to Greene chapter (14.7 4th edition)

  3. Theoretical dynamic model • Persistent time series • Endogeneous regressors • IV estimations with internal instruments Rationale

  4. Ratio del modello dinamico • Confronto tra vari modelli dinamici • GMM: robustezza della ipotesi dinamica su Y • Uso IV interne • Bias del modello dinamico in campioni finiti Issues

  5. Yit = yt-1 +xitβ + i + uit, last 2 terms are vit error term • Problem: yt-1 correlated with i  we estimate inconsistent B even if u iid • Violation of strict exogeneity. E(ut/yt+k) ≠0 • * yt-1 is related to ut-1 etc.. The covariance of vit across units causes violation • Problem: T is often too short to get consistent properties (Greene book) that can mitigate endogeneity induced biases • Bias of order 1/T; large sample results on N growing.. • Average of n inconsistent estimator will be still inconsistent.. Models other than LSDV are needed Some preliminaryhints on dynamic models

  6. Soluzioni IV GMM •  metodo IV applicato a differenze prime • IV con strumenti interni, di fatto si utilizzano i ritardi della dipendente (e delle altre covariate) • Trasformazione in DIFFERENZE PRIME + IV • Con lagged Y le differenze non mi risolvono tutti i problemi • Problema / aiuto ! Il software fa tutto.. Ma occorre conoscere la teoria We use IV estimators, same theory, differentframework

  7. GMM include IV, ma anche FE e RE….modello generale, anche OLS è GMM • Tutte X endogene, Z strumenti, se X esogena X è strumento di se stessa • Biv= (Z’X)-1Z’y • Lo stimatore IV non ha proprietà note in campioni finiti, è consistente ma c’è bias in campioni finiti (Greene) GMM is a generelized IV estimator

  8. Ma si veda paper Judson e Owen 1999, Economic Letters, in panel bilanciati LSDV può ben performare anche vs GMM • Panel bilanciati spesso rari Semi inconsistenza LSDV nel dinamico.

  9. Anderson Hsiao • ivreg d.(n w k ys) yr1977-yr1984 • Arellano Bond • xtabond n w k ys yr1977-yr1984, Blundell Blond • ……. Vediamo teoria e poi applicazioni……….. Vari stimatori GMM dinamici

  10. FirsDiff: Yit – yit-1 =  (yit-1 – yit-2) + (uit – uit-1) which is y =  yt-1 + u • Eliminato errore idiosincratico in ogni caso • Ma rimane auto correlation in errors to test.. • Ma abbiamo ancora correlazione e violazione esogeneità date le relazioni tra storia di y e errore u. • IV  good one could be yt-2 o yt-2 yt-3.. • Iv interni si ricercano tra i ritardi • Metodo meno ‘artigianale’ di IV esterni, più automatico gestito dal software • poi posso/devo strumentare anche X (nel within non posso usare ritardi come IV, rimane endogeneità) Anderson Hsiaoestimator (oldest), si veda Greene

  11. Without group effects, there is a ‘simple’ IV estimator available • We can use differences (yit-1 – yit-2) or levels (yit-2, yit-3, etc..) as IV • One main question is whether differences or levels are better • Arellano (1989) shows levels are preferable.. • But others have shown that in dynamic models there is a lot of info to be used from the relationships between levels and differences • Remember IV estimators are inefficient, pros and cons IV in dynamic models: which?

  12. Con Yt-1 abbiamo difatto una endogeneità indotta dalle differenze prime… • Strumento Yt-2 o ritardo della differenza prima di Y ….non correlato con errore trasformato!!!! • Monte Carlo tests dimostrano che finite sample bias è piccolo, anche rispetto a Arellano Bond.. • MA HS ormai poco utilizzato, un solo strumento, S.E. alti, molto impreciso…. • È un modello base, storico HS IV estimator

  13. GMM large family thatgeneralise alla models IV issue is the key one

  14. One step, two step • . xtabond n w k ys yr1978-yr1984, nocons twostep vce(robust) • Warning: gmm two-step standard errors are biased; robust standard errors are recommended. • Instruments for differenced equation • Standard: D.w D.k D.ys D.yr1978 D.yr1979 D.yr1980 D.yr1981 D.yr1982 D.yr1983 D. • One step consistente ma meno efficiente del 2 steps, SE sotto stimati •   NB Applicando un 2 step (residui dalla prima one step, implementiamo un AB 2 steps) correggiamo usano matrice varcov ArellanoBlondestimators (90’s)

  15. Xtabond2, molto usata, supera una serie di limiti: non riusciamo a escludere i ritardi secondi della dipendente, quelli remoti si, recenti no, •  stima qualunque modello panel lineare…….grazie alla sintassi…………Rudman spiega nei papers come funziona xtabond2 • consente di ridurre numerosi strumenti •  sintassi piu complessa (es. Includere ritardata) •  tende a dare enfasi al termine Yt-1 come *** • Xtabond2 y l.y w k x years nolevelq noco twostep robust iv(w k x years: esogeni) gmm(l.y) •  xtabond2 presenta test serial correlation e sargan tests e Hansen tests (robust, ma debole se troppi strumenti..) • Si possono imporre meno restrizioni, se riduco esogene. • Applica BB (noleveleq applica AB invece), system GMM option New routine XTABOND2

  16. restringere numero strumenti (anni), e scegliere alcune X esogene, migliora le fit. • Scarsa evidenza dinamica in AB può dipendere da weak instruments • Abbiamo tests per weak instr. Numero IV è il problema

  17. Simile a xtabond, è xtdpdsys, applica Blundell Blond • postestimation — Postestimation tools for xtdpdsys • The following postestimation commands are of special interest after xtdpdsys: • command description • estat abond test for autocorrelation • estat sargan Sargan test of overidentifying restrictions New XTPDSYS command

  18. Blundell Blond impongono restrizioni………..assenza di correlazione negli errore come in AB, però modellano condizione iniziale su Y • Modello bi equazionale, una in livelli una in differenze…… • In differenze usa strumenti di AB • In livelli usa strumenti in differenze prime…sono validi strumenti se vale mean stationarity, non sono correlate con i BB

  19. mean stationarity

  20. Problema da testare è l’uso di strumenti • Trade off, ma parsimonia raccomandata • Da gestire al margine…non facile. Complexity of IV sets

  21. T high, we can use within and LSDV corrected (Judson and Owen , 1999, Economic letters) GMM rationale is then higher when T is low / N high and we have endogenous regressors.

  22. If N*T large, within and LSDV can be used consistently • Only if X exogenous

  23. GMM problem! Finite sample bias (low N*Tdrivenby low N)

  24. Test ‘induttivo’ • Il B del modello GMM deve essere compreso tar quello del modello OLS con yt-1 e del modello within con yt-1 • Un Byt-1 significativo almeno al 10% giustifica uso GMM (ratio teorica deve esistere sempre) • Test di specificazione • Hansen, sargan • Problema di over identification ed eccessivo uso degli strumenti. Usare parsimonia, trade off marginali da gestire Robustezza GMM

  25. Validità (ESOGENE) • TESTING? Non possiamo testare tutto nel complesso, ma controllare validità sovra identificazioni….test over identyfing restrictions……. • se sono valide dovremmo avere assenza di signif diversa da 0 • SARGAN TEST: se vicino non rifiutiamo hp validità strumenti • Rilevanza: strumenti buoni previsori… Sargan tests

  26. estat abond • Arellano-Bond test for zero autocorrelation in first-differenced errors • +-----------------------+ • |Order | z Prob > z| • |------+----------------| • | 1 |-2.5915 0.0096 | • | 2 |-.75236 0.4518 | non possiamo rifiutare HO assenza di correlazione • +-----------------------+ • H0: no autocorrelation • estat sargan • Sargan test of overidentifying restrictions • H0: overidentifying restrictions are valid • chi2(27) = 87.26388 • Prob > chi2 = 0.0000, in ambito di one test sargan over rejects, quindi ci affidiamo a ESTAT A BOND come valutazione........ tests

  27. In generale, uso parco degli strumenti………. • Finite sample bias con alti strumenti, in campioni finiti hanno un bias….GMM tendono ad avere un bias piu alto in campioni finiti con numero strumenti elevato… • SONO TUTTI DISTORTI

  28. Use IV difference for levels and level IV for differences • This is the system of level and differences System GMM

  29. Non GMM estimators Easier, more performing but limited

  30. Lsdvc routine in STATA applies the LSDVC corrected estimator. • Preferable when panel is balanced and exogenous regressors (rare cases) • Reference: Judson and Owen, 1999, Economic letters; G. Bruno papers GMM vs Kiviet or corrected LSDV

  31. Differenze non mi risolvono tutti problemi endogen. Nel dinamico • Uso strumenti t-2, etc.. In differenze o livelli o entrambi • Modelli within consistenti se var esogene X • Con endogeneità X, non consistenti nemmeno se N*T alto • Devo usare GMM (non within tranformation) i ‘momenti’ di esogeneità rispetto alle lagged Y e X mi definiscono il set delle IV Summing up

  32. Da modelli storici ma limitati come Anderson Hsiao a vari Arellano Blond ai GMM SYS • Trade off: necessito strumenti ma anche di uso parco strumenti, test su numero e forza strumenti • Comparare sempre GMM con OLS e WiThin • Posso usare LSDVC corretto se panel bialnciato ed X esogene, usa HS AB BB come stimatori di base Summing up

More Related