1 / 13

KWESTIA ENDOGENICZNOŚCI

KWESTIA ENDOGENICZNOŚCI. Modelowanie handlu zagranicznego. Tradycyjne modele estymacji. Problem z danymi jeśli endogeniczne, MNK nie jest zgodne jeśli autoregresja, MNK niewiarygodne (błędy standardowe) Możliwe rozwiązania (  założenia ekonometryczne) Zmienne instrumentalne (2SLS, IV)

yeriel
Download Presentation

KWESTIA ENDOGENICZNOŚCI

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. KWESTIA ENDOGENICZNOŚCI Modelowanie handlu zagranicznego

  2. Tradycyjne modele estymacji • Problem z danymi • jeśli endogeniczne, MNK nie jest zgodne • jeśli autoregresja, MNK niewiarygodne (błędy standardowe) • Możliwe rozwiązania ( założenia ekonometryczne) • Zmienne instrumentalne (2SLS, IV) • błędy oraz zmienne egzogeniczne nieskorelowane • 3SLS • dopuszczalna równoczesna autokorelacja błędów • podejść do 3SLS jest wiele

  3. Metoda zmiennych instrumentalnych • Zmienne X i Y podejrzane o endogeniczność • Zmienna Z dobrze się koreluje z X (własność czysto statystyczna) i nie jest podejrzana o endogeniczność z Y • Instrument: Z • regresja Z na X => wartości dopasowane X (X*) • regresja X* na Y => wyniki końcowe

  4. Metoda zmiennych instrumentalnych • Problemy: • testy t i F mogą mieć zupełnie inne rozkłady (wręcz odwrócone funkcje gęstości) • należy stosować inne, ale nikt tego nie robi • co to znaczy, że coś jest instrumentem? • Instrument a teoria 

  5. IV estymacja • Potrzeba tyle regresji ile zmiennych endogenicznych. • Dla każdej zmiennej objaśnianej (może być ich kilka) konieczny jest inny (różniący się choć jedną zmienną) zestaw zmiennych objaśniających. • Dla każdej regresji pomocniczej (pierwszego etapu) możliwy jest ten sam zestaw instrumentów.

  6. IV w STATA • Logika składni w STATA • ivregressy (x1x2x3= z1z2z3z4) x4 x5 x6 Przeprowadzamy regresję, w której • y jest zmienną objaśnianą • x1, x2, x3 jest są zmiennymi endogenicznymi (instrumentowanymi) • z1, z2, z3 są zmiennymi egzogenicznymi (instrumentami) • x3, x4 x5 są zmiennymi egzogenicznymi (nieinstrumentowanymi) MOŻNA RĘCZNIE, MOŻNA AUTOMATEM

  7. IV w STATA • Występuje w wersji xtivreg • Ma różnie opcje do zabawy: 2sls, liml, gmm • Ma także możliwość sprawozdawania różnych etapów estymacji • estat firststage • estat overid • Testowanie ograniczeń nadidentyfikujących (overidentifying restrictions) • overid (dla uproszczonego testu Sargan’a) • overid, all (wszystkie standardowe statystyki na OIR)

  8. Kolejne kroki • Mamy dwa pliki (równanie handlu i równanie wzrostu) • W pliku równania handlu mamy tylko cty1<cty2, a potrzebujemy też „drugie pół” • Musimy znaleźć jakiś sposób na otrzymanie wartości przewidywanych z równania handlu dla każdego kraju i dla każdego roku • Mając te przewidywane wartości handlu W PARACH, musimy jakoś przejść na wielkość handlu KAZDEGO Z KRAJÓW W DANYM ROKU • Mając te wartości, musimy je jakoś połączyć z danymi dotyczącymi wzrostu gospodarczego poszczególnych krajów • Zrobić sobie wreszcie równanie regresji końcowej (wzrostu)

  9. Kolejne kroki • Użyjmy pliku handlowego sort cty1 cty2 year • Wyrzućmy potrzebne dane do pliku pomocniczego outfile cty1 cty2 ccode1 ccode2 year cu lvalue ldist rgdppc1 rgdppc2 pop1 pop2 comlang border regional areap ll island using pomocniczy, replace dictionary

  10. Kolejne kroki • Przygotujmy dane tak, żeby dało się je połączyć infile using pomocniczy sort cty1 cty2 year save pomocniczy1, replace rename ccode1 smiec rename ccode2 ccode1 rename smiec ccode2 rename cty1 smiec rename cty2 cty1 rename smiec cty2 rename rgdppc1 smiec rename rgdppc2 rgdppc1 rename crap rgdppc2 rename pop1 crap rename pop2 pop1 rename crap pop2 sort cty1 cty2 year save pomocniczy2,replace

  11. Kolejne kroki • Połączmy pliki pomocniczy1 i pomocniczy2 • use pomocniczy1 • append using pomocniczy2 • sort cty1 cty2 • Co będziemy przewidywać? • Można ln(trade), ale można GDP % trade /Co zrobili Frankel i Rose?/ • No to wygenerujmy trochę zmiennych pomocniczych • Teraz trzeba zrobić regresję i zapisać przewidziane wartości… • areg lhs ldist lpop2 comlang border areap ll if (cty1<cty2), robust a(year) • predict lhsf • label var lhsf "Fitted LHS” • Ale to jest wartość, a my zlogarytmowaliśmy handel…. • gen elhsf=exp(lhsf)

  12. Kolejne kroki • No to teraz musimy to jakoś posumować po każdym kraju • sort cty1 cty2 • egen elhsfs=sum(elhsf), by(cty1) • No i teraz już tylko połączyć dane z tymi do wzrostu • Wczytajmy dane handlowe • merge ccode year using pomocniczy3 • Obejrzyjmy wyniki połączenia • tab _merge • No to już prawie możemy robić regresję – potrzebne jeszcze niektóre zmienne…

  13. Literatura • Ann Harrison, Opennes and growth: A time-series, cross-country analysis of developing countries, Journal of Development Economics, 1996 • Jeffrey Frankel i David Romer, Does Trade Cause Growth?, AER 1999 • Jeffrey Frankel i Andrew K. Rose, One Money, One Currency,

More Related