MerQuR+Başvuru Kitabı

136. Panel eşbütünleşme ve ikinci kuşak panel yöntemleri

Şablon kimliği: panel_esbutunlesme · Kategori: nedensel · Dil: R · Dosya: pro/sablonlar/nedensel/panel_esbutunlesme.R (satır 1–484; üstbilgi 1–170) · Örnek veri: _ornek/panel_esbutunlesme_produc.csv · Paketler: plm 2.6-7 (pcdtest, cipstest, pgrangertest, pmg, pcce, plm)

136.1 Ne işe yarar

Şablon, ülke, bölge ya da eyalet gibi görece az sayıda birimin (N birim) uzun bir dönem (T dönem) boyunca izlendiği makro panellerde uzun dönem ilişkiyi araştıran bir çözümleme zinciridir. Cevapladığı soru şudur: "Bağımlı değişken ile açıklayıcılar arasında, birimler ortak şoklardan etkilenirken ve eğimler birimden birime farklıyken, uzun dönemli bir ilişki var mı ve ne yönde?" Zincir beş adımdır:

  1. Yatay kesit bağımlılığı testleri: birimlerin artıkları birbirinden bağımsız mı? (Pesaran CD, Breusch–Pagan LM, ölçekli LM)
  2. Birim kök: seriler durağan mı? Kesit bağımlılığına dayanıklı CIPS testi (Pesaran, 2007).
  3. Eşbütünleşme: seriler arasında uzun dönem denge ilişkisi var mı? Pedroni (1999) yedi istatistiği ve Kao (1999) ADF testi.
  4. Nedensellik: hangi yönde? Dumitrescu–Hurlin (2012) heterojen panel Granger nedenselliği.
  5. Heterojen eğimli kestiriciler: uzun dönem katsayıları: ortalama grup (MG), ortak ilişkili etkiler (CCEMG, CCEP) ve genişletilmiş ortalama grup (AMG).
y_{it}=\alpha_i+\delta_i\,t+\mathbf x_{it}^{\top}\boldsymbol\beta_i+u_{it},\qquad i=1,\dots,N,\ \ t=1,\dots,T
  • y_{it}: bağımlı değişken (makro panellerde çoğunlukla logaritmik düzey); \mathbf x_{it}: k açıklayıcı.
  • \alpha_i: birim sabiti; \delta_i: birim trendi (yalnız esb_deterministik = sabit_trend ve trend seçeneklerinde).
  • \boldsymbol\beta_i: birime özgü eğim; yöntemler bu eğimlerin ortalamasını (MG, CCEMG, AMG) ya da ortak bir değerini (CCEP) kestirir.
  • u_{it}: hata; eşbütünleşme varsa durağandır; kesit bağımlılığı varsa u_{it} ve u_{jt} ilişkilidir.

Ne zaman kullanılır? N ve T ikisi de orta büyüklükteyse (N\gtrsim10, T\gtrsim20), seriler durağan olmayabiliyorsa, birimlerin ortak şoklardan etkilendiğinden şüpheleniliyorsa ve eğimler birimler arasında farklıysa. Birinci kuşak yöntemler (ortak eğim, kesit bağımsızlığı) bu durumda yanıltıcıdır.

Ne zaman kullanılmaz?

  • T kısa, N büyükse ve bağımlı değişkenin gecikmesi modelde varsa: dinamik_panel_gmm (Bölüm 129). Bu şablonun Pedroni düzeltmeleri asimptotiktir (T\to\infty) ve T=17 gibi kısa panellerde güvenilir değildir (136.7).
  • Tek zaman serisi için eşbütünleşme: ardl_nardl (Bölüm 95) ya da yapisal_var (Bölüm 114).
  • Birim kökte yapısal kırılma aranıyorsa: kirilmali_birim_kok (Bölüm 105).
  • Dengesiz panelde eşbütünleşme isteniyorsa: bu şablon Pedroni ve Kao'yu dengeli panel şartıyla çalıştırır; dengesiz panelde bu testler atlanır.
  • Olay-çalışması tasarımı ya da fark-farklar: kademeli_did (Bölüm 133).

Temel programla ilişki. Temel programın Panel Veri Regresyonu birinci kuşak kestiricileri (sabit etki, rastgele etki, birinci fark) sunar. Bu şablonun hiçbir testi ya da kestiricisi (CD, CIPS, Pedroni, Kao, Dumitrescu–Hurlin, MG, CCE, AMG) temel programda yoktur.

136.2 Şablonun girdileri

Form, üstbilgideki 21 [[param]] bloğundan kurulur (panel_esbutunlesme.R:11–169).

Alan (form etiketi) · ad Tür · sekme Varsayılan Geçerli değerler Kodda etkisi
Bağımlı değişken · y sayısal sütun · Değişkenler ilk sayısal sütun sayısal sütun y_{it} (185, 187, 222).
Açıklayıcılar · x sütunlar (sayısal) · Değişkenler — en az 1 sayısal sütun \mathbf x_{it}; nedensellik her biri için iki yönde (183, 212).
Birim · birim sütun · Değişkenler ilk sütun herhangi bir sütun Panel birimi (184, 210).
Zaman · zaman sütun · Değişkenler ilk sütun herhangi bir sütun Birim içi sıralama; eşit aralıklı dönemler ya da metin etiketler 1, 2, … numaralanır (197–209, 221).
Yatay kesit bağımlılığı testleri · cd_testi onay · Seçenekler açık açık/kapalı CD, LM, ölçekli LM (237–257).
CIPS birim kök testi · birim_kok onay · Seçenekler açık açık/kapalı CIPS düzeyde ve birinci farkta (260–279).
CADF deterministik terimleri · cips_tur seçim · Model drift drift, trend, none cipstest(type=) (179, 266).
CADF gecikme sayısı · cips_gecikme tamsayı · Model 1 1–4 cipstest(lags=) (261–266). plm::cipstest 0 gecikmeyi desteklemediğinden form en az 1 kabul eder.
Pedroni ve Kao testleri · esbutunlesme onay · Seçenekler açık açık/kapalı Pedroni yedi istatistik ve Kao (287–397).
Pedroni regresyonu · esb_deterministik seçim · Model sabit sabit, sabit_trend Eşbütünleşme regresyonunun deterministik terimleri (301, 329–343).
ADF gecikme sayısı · esb_gecikme tamsayı · Model 1 1–4 Pedroni ADF-t ve Kao ADF gecikmeli fark sayısı K (291).
Dumitrescu–Hurlin testi · nedensellik onay · Seçenekler açık açık/kapalı Panel nedensellik (400–415).
DH gecikme sayısı · dh_gecikme tamsayı · Model 1 1–4 K; T>5+3K gerekir (401–402).
Kestiriciler · kestiriciler onay · Seçenekler açık açık/kapalı MG, CCEMG, CCEP, AMG (419–462).
CD modeli · cd_model seçim · Model bireysel bireysel, havuzlanmis, sabit_etkiler "Model artıkları" satırının artıkları (177, 251).
CIPS regresyonu · cips_model seçim · Model cmg cmg, mg, dmg cipstest(model=) (177, 266).
Kesilmiş CIPS* · cips_kesik onay · Gelişmiş kapalı açık/kapalı cipstest(truncated=) (177, 266).
Bant genişliği · bant_genisligi tamsayı · Gelişmiş 0 (otomatik) 0–20 Bartlett gecikmesi b (178, 181, 292).
Birim trendi · trend onay · Model kapalı açık/kapalı MG, CCE, AMG birim regresyonlarına trend (178, 427–458).
Grafikteki güven düzeyi · guven_duzeyi ondalık · Çıktı 0,95 0,5–0,999 Grafikteki aralıklar (178, 182, 472).
Kestirici karşılaştırma grafiği · sekil onay · Çıktı açık açık/kapalı Grafiği çizer (465).

Örnek ayar (ornek_param, satır 9): y = lgsp, x = lpcap, lpc, lemp, unemp, birim = state, zaman = year; öbür alanlar varsayılandadır.

Şablonun kendi denetimleri.

Koşul İleti (özet) Satır
Veri açık değil "Önce Veri sekmesinde bir veri açın." 174
Geçersiz yöntem seçimi "Geçersiz yöntem seçimi." 179–180
Bant genişliği negatif / güven düzeyi (0,1) dışında "… negatif olamaz." / "… 0 ile 1 arasında olmalı." 181, 182
Birim ya da zaman seçilmemiş "Birim ve zaman sütunları seçilmeli." 184
Bağımlı değişken açıklayıcılar arasında "… açıklayıcılar arasında olamaz." 185
Birim ve zaman model değişkenlerinden ya da birbirinden farklı değil "… farklı olmalı." 186
Bir değişken sayısal değil "'…' sayısal değil." 191
Aynı birim ve zaman için birden çok satır "… tek satır gerekli." 196
Birim sayısı < 3 "En az üç birim gerekli." 213
En kısa birimde dönem sayısı < k+3 "Her birimde en az … dönem gerekli …" 214
Bir değişken sabit (varyansı sıfır) "'…' sabit (varyansı sıfır)." 217
Bir değişken bütün birimlerde zaman içinde sabit "… birim başına regresyon kurulamaz." 220
CIPS: birim sayısı < 10 "CIPS kritik değer tablosu (Pesaran, 2007) en az 10 birim için verilmiştir; … CIPS atlandı." 262
CIPS: en kısa birimde dönem < 2L+8 "CIPS için dönem sayısı az …; test atlandı." 263
Pedroni/Kao: dengesiz panel; dönem < 10 "… dengeli panel ister; testler atlandı." / "… en az 10 dönem …" 288–289
DH: dengesiz panel "Dumitrescu–Hurlin dengeli panel ister …; test atlandı." 402
DH: dönem \le5+3K "… çok dönem gerekli; test atlandı." 403
CCE: dönem \le2k+3 "CCE kestiricileri için … çok dönem gerekli; atlandı." 427, 430

Satır temizliği (188–209): yalnız modelin değişkenleri ve birim–zaman sütunları alınır; eksik ya da sonlu olmayan değeri bulunan satır atılır ve sayısı yazılır (223–224). Dönem değerleri eşit aralıklı ama 1 adımlı değilse (2'şer yıl) ya da metinse (P01, P02, …) dönem sıra numarasına (1, 2, …) çevrilir ve bir not satırı bunu söyler (197–208); metin etiketler alfabetik sıralanır (P10, P2'den önce gelir; kronolojik sıra için zamanı sayısal verin); eşit aralıksız sayısal dönemler (bir dönem eksik) olduğu gibi bırakılır ve uyarı satırı yazılır. Sonra birim ve zamana göre sıralanır (209). Mantıksal (TRUE/FALSE) sütun 0/1'e çevrilir (190). Modelin değişkenleri sayısal rollerdedir; Veri sekmesinde türü kategorik olan sayısal bir sütun sayı olarak okunur (Bölüm 1.3; 136.8'deki kategorik tür denemesi bunu doğrular).

Her test dene() içinde çalışır (233–234): hata verirse çalıştırma durmaz, "… hesaplanamadı: …" satırı yazılır ve sonraki adıma geçilir; plm uyarıları toplanıp sonda tek satırda "Uyarılar:" olarak yazılır. Bu, çok sayıda testin tek çalıştırmada çalışması için bilinçlidir, ama bir adımın sessizce eksik kalmasına yol açabilir (B1–B4).

136.3 Örnek veri

Dosya: _ornek/panel_esbutunlesme_produc.csv. Munnell'in (1990) ABD eyaletlerinde kamu sermayesinin verimliliği verisi (plm::Produc): 48 eyalet × 1970–1986 = 816 gözlem; dengeli, eksik değer yok.

Değişken Rol Tür (veri sekmesi) Özet
state Birim kategorik 48 eyalet
year Zaman sayısal 1970–1986 (T=17)
lgsp Yanıt sayısal \ln gayri safi eyalet hasılası; 8,3789 ile 13,0488 arası, ortalama 10,5088
lpcap Açıklayıcı sayısal \ln kamu sermayesi; 7,8736 ile 11,8509 arası
lpc Açıklayıcı sayısal \ln özel sermaye; 8,3071 ile 12,8356 arası
lemp Açıklayıcı sayısal \ln istihdam; 4,6849 ile 9,3288 arası
unemp Açıklayıcı sayısal işsizlik oranı (%); 2,8 ile 18,0 arası

Modelin ayrıca kullanıldığı iki veri vardır: Croissant ve Millo'nun (2008) Grunfeld verisi (_ornek/panel_esbutunlesme_grunfeld.csv; 10 firma × 20 yıl) yalnız CD testinin yayımlanmış değerini sınamak için, ve bu bölümdeki dayanıklılık denemeleri için bozulmuş sürümler (136.8).

Bu bölümde kullanılan çalıştırmalar: (1) örnek ayar (bütün adımlar); (2) cd_model = havuzlanmis ve sabit_etkiler; (3) cips_tur = trend (2 gecikme), none (1 gecikme), cips_model = mg; (4) esb_deterministik = sabit_trend; esb_gecikme = 2, bant_genisligi = 2; (5) dh_gecikme = 2; (6) trend = true, guven_duzeyi = 0,9; (7) Grunfeld verisi.

136.4 Yöntem: formüller ve hesap adımları

Şablonun hesap sırası: (1) denetim ve satır temizliği (174–224); (2) plm paneli kur (221–222); (3) CD testleri (237–257); (4) CIPS (260–279); (5) Pedroni ve Kao (281–397); (6) Dumitrescu–Hurlin (399–415); (7) MG, CCEMG, CCEP, AMG (417–462); (8) uyarılar ve grafik (463–483).

136.4.1 Yatay kesit bağımlılığı: CD, LM ve ölçekli LM

Her birim için artık serisi \hat e_{it} alınır ve birimlerin ikili korelasyonu

\hat\rho_{ij}=\frac{\sum_t(\hat e_{it}-\bar e_i)(\hat e_{jt}-\bar e_j)}{\sqrt{\sum_t(\hat e_{it}-\bar e_i)^2\ \sum_t(\hat e_{jt}-\bar e_j)^2}}

hesaplanır. Üç istatistik:

\mathrm{CD}=\sqrt{\frac{2T}{N(N-1)}}\sum_{i<j}\hat\rho_{ij},\qquad \mathrm{LM}=T\sum_{i<j}\hat\rho_{ij}^2,\qquad \mathrm{LM}_s=\sqrt{\frac1{N(N-1)}}\sum_{i<j}\big(T\hat\rho_{ij}^2-1\big)
  • \mathrm{CD} (Pesaran, 2021): H_0 (kesit bağımsızlığı) altında N(0{,}1); işaretli korelasyonların ortalamasına duyarlıdır, zıt işaretli korelasyonlar birbirini götürebilir.
  • \mathrm{LM} (Breusch ve Pagan, 1980): H_0 altında \chi^2_{N(N-1)/2} (T büyük, N sabit); karelerle çalıştığı için işaret götürmez, ama N büyüdükçe ölçeği bozulur.
  • \mathrm{LM}_s: LM'nin N büyükken kullanılan standartlaştırılmış biçimi; H_0 altında yaklaşık N(0{,}1).
  • Üç testin p değeri (şablonda p_CD, p_LM, p_olcekli_LM) plm::pcdtest'ten gelir (240–245).

Koddaki tercih

"Model artıkları" satırı için artıklar cd_model'e göre seçilir: bireysel (varsayılan) formülü pcdtest'e verir, plm her birim için ayrı en küçük karelerle artık alır (Pesaran, 2004'ün tanımı); havuzlanmis ve sabit_etkiler önce plm::plm(model = "pooling" | "within") kurar (251). Değişken satırlarında v ~ 1 formülü kullanılır: seri birim ortalamasından arındırılır (252–253). Korelasyon her durumda Pearson korelasyonudur (ortalamadan sapma); bireysel ve within artıklarda artıkların birim ortalaması zaten sıfırdır ve bu, çarpımların ham toplamına eşittir. Havuzlanmış regresyonun artıklarında birim ortalaması sıfır değildir ve iki tanım ayrışır: örnek veride CD istatistiği 30,64 (Pearson) iken ham çarpım toplamıyla 7,40 olur (B6).

136.4.2 CIPS birim kök testi

Her birim için kesit ortalamalarıyla genişletilmiş Dickey–Fuller (CADF) regresyonu (\texttt{cmg}, varsayılan):

\Delta y_{it}=a_i+b_i\,y_{i,t-1}+c_i\,\bar y_{t-1}+\sum_{l=0}^{L}d_{il}\,\Delta\bar y_{t-l}+\sum_{l=1}^{L}\varphi_{il}\,\Delta y_{i,t-l}+\epsilon_{it}
\mathrm{CIPS}=\frac1N\sum_{i=1}^{N}t_i(b_i)
  • \bar y_t=N^{-1}\sum_i y_{it}: kesit ortalaması; ortak şokları temsil eder ve kesit bağımlılığını regresyona katarak kontrol eder.
  • t_i(b_i): b_i'nin t istatistiği (birim başına en küçük kareler; \hat\sigma^2=\text{SSE}/(T-L-1-q), q regresyondaki sütun sayısı).
  • H_0: bütün birimlerde birim kök (b_i=0); H_1: birimlerin bir kısmında durağanlık. Küçük (çok negatif) CIPS H_0'ı reddeder.
  • cips_tur: drift a_i ekler, trend a_i ve \gamma_i t ekler, none ikisini de eklemez. cips_model = mg kesit ortalaması terimlerini atar (kesit bağımsızlığı varsayan IPS benzeri ortalama grup ADF); dmg seriyi kesit ortalamasından arındırıp ADF uygular.

p değeri. Pesaran'ın (2007) kritik değer tablosundan aradeğerlenir ve [0{,}01;\ 0{,}10] aralığına sınırlanır: tablonun dışındaki istatistikler "p\ge0{,}10" ya da "p\le0{,}01" olarak yazılır (şablon bu not satırını her çalıştırmada yazar, 253). Bu yüzden CIPS p değerlerinin çoğu tam olarak 0,1000 ya da 0,0100'dür (136.7).

Koddaki tercih

plm::cipstest(s, lags = L, type = cips_tur, model = cips_model, truncated = cips_kesik) (266). Düzey için seri p[[v]], birinci fark için diff(p[[v]]) verilir (271); birinci fark serisinde ilk dönem eksiktir ve T-1 dönem kalır. cips_kesik = açık ise birim t istatistikleri Pesaran'ın sınırlarında kesilerek ortalanır (CIPS*); kesilmiş sürüm bu bölümde bağımsız hesapla doğrulanmamıştır. plm::cipstest lags = 0'ı desteklemez; üstbilgi ise en_az = 0'a izin verir (B1).

136.4.3 Pedroni (1999) eşbütünleşme testleri

Her birim için eşbütünleşme regresyonunun artığı \hat e_{it} (birim sabiti; sabit_trend ise birim sabiti ve trendi) alınır. Dört yardımcı büyüklük, b Bartlett gecikmesi (b=\mathrm{round}\big(4(T/100)^{2/9}\big), bant_genisligi = 0 ise; T=17 için b=3) ve w(s)=1-s/(b+1) ile:

\hat L_{11i}^2=\frac1T\sum_t\hat\eta_{it}^2+\frac2T\sum_{s=1}^{b}w(s)\sum_t\hat\eta_{it}\hat\eta_{i,t-s},\qquad \hat\eta_{it}=\Delta y_{it}-\Delta\mathbf x_{it}^{\top}\hat{\mathbf g}_i
\hat e_{it}=\hat\rho_i\hat e_{i,t-1}+\hat\mu_{it},\quad \hat\lambda_i=\frac1T\sum_{s=1}^{b}w(s)\sum_t\hat\mu_{it}\hat\mu_{i,t-s},\quad \hat s_i^2=\frac1T\sum_t\hat\mu_{it}^2,\quad \hat\sigma_i^2=\hat s_i^2+2\hat\lambda_i
\hat e_{it}=\hat\rho_i\hat e_{i,t-1}+\sum_{j=1}^{K}\hat\rho_{ij}\Delta\hat e_{i,t-j}+\hat\mu^{*}_{it},\qquad \hat s_i^{*2}=\frac1T\sum_t\hat\mu_{it}^{*2}

Yedi istatistik (\bar{\sigma}^2=N^{-1}\sum_i\hat L_{11i}^{-2}\hat\sigma_i^2, \bar s^{*2}=N^{-1}\sum_i\hat L_{11i}^{-2}\hat s_i^{*2}, A=\sum_i\hat L_{11i}^{-2}\sum_t\hat e_{i,t-1}^2):

İstatistik Tanım
panel v T^2N^{3/2}\,A^{-1}
panel \rho T\sqrt N\,A^{-1}\sum_i\hat L_{11i}^{-2}\sum_t(\hat e_{i,t-1}\Delta\hat e_{it}-\hat\lambda_i)
panel PP-t (\bar\sigma^2A)^{-1/2}\sum_i\hat L_{11i}^{-2}\sum_t(\hat e_{i,t-1}\Delta\hat e_{it}-\hat\lambda_i)
panel ADF-t (\bar s^{*2}A)^{-1/2}\sum_i\hat L_{11i}^{-2}\sum_t\hat e_{i,t-1}\Delta\hat e_{it}
grup \rho TN^{-1/2}\sum_i\big(\sum_t\hat e_{i,t-1}^2\big)^{-1}\sum_t(\hat e_{i,t-1}\Delta\hat e_{it}-\hat\lambda_i)
grup PP-t N^{-1/2}\sum_i\big(\hat\sigma_i^2\sum_t\hat e_{i,t-1}^2\big)^{-1/2}\sum_t(\hat e_{i,t-1}\Delta\hat e_{it}-\hat\lambda_i)
grup ADF-t N^{-1/2}\sum_i\big(\hat s_i^{*2}\sum_t\hat e_{i,t-1}^2\big)^{-1/2}\sum_t\hat e_{i,t-1}\Delta\hat e_{it}

Bu "ham" istatistikler asimptotik ortalama \mu_m ve varyans \nu_m ile (m açıklayıcı sayısı) standartlaştırılır:

Z=\frac{\text{ham}-\mu_m\sqrt N}{\sqrt{\nu_m}}\ \overset{a}{\sim}\ N(0{,}1)
  • \mu_m,\nu_m: istatistik ve m'ye göre değişen sabitlerdir. Tek açıklayıcıda Pedroni (2004, Sonuç 1); 2–7 açıklayıcıda Pedroni (1999, Tablo 2) değerleridir (329–340); birim sabitli ve sabit+trendli regresyon için ayrı tablolar vardır. Şablon 7'den çok açıklayıcıda yalnız ham istatistikleri yazar ve standart değer ile p vermez (352).
  • Yalnız panel v sağ kuyruk testidir; öbür altı sol kuyruk testidir (p=\Phi(Z); 323). H_0: eşbütünleşme yok.
  • Panel istatistikleri birimler arası eğimlerin ortak olduğunu varsayarak \hat\rho_i'yi havuzlar; grup istatistikleri \rho_i'nin birim başına kestirimlerini ortalar (heterojen).

Kısa panelde Pedroni düzeltmeleri

Tablo değerleri T\to\infty asimptotiğine dayanır. Şablon T<50 olduğunda bunu sonuca bir not olarak yazar (353) ve N=48, T=17, 4 açıklayıcı benzetimlerinde panel v, panel \rho ve grup \rho'nun eşbütünleşme varken de neredeyse hiç reddetmediğini, PP-t ve ADF-t'nin ise eşbütünleşme yokken de aşırı reddettiğini bildirir. Örnek veri (T=17) tam bu durumdadır: 136.7'deki Pedroni p değerleri yaklaşık bile güvenilir değildir. Pedroni'nin standartlaştırma tabloları ve AMG kestiricisi yayımlanmış bir sayısal örnekle doğrulanmamıştır; yalnız bağımsız yeniden hesapla ve (üstbilgideki bildirime göre) T=300–2500 benzetimiyle denetlenmiştir.

136.4.4 Kao (1999) ADF testi

Ortak eğimli birim sabitli regresyonun (LSDV) artığı \hat e_{it} ile birleştirilmiş ADF regresyonu (sabitsiz):

\Delta\hat e_{it}=\rho\,\hat e_{i,t-1}+\sum_{j=1}^{K}\varphi_j\Delta\hat e_{i,t-j}+v_{it},\qquad t_\rho=\hat\rho/\operatorname{SH}(\hat\rho)

\mathbf w_{it}=(\hat e_{it},\Delta\mathbf x_{it}) için birimler üzerinden ortalanmış kısa dönem \hat{\boldsymbol\Sigma} ve (Bartlett) uzun dönem \hat{\boldsymbol\Omega} kovaryansları kurulur; \hat\sigma_v^2=\Sigma_{ee}-\boldsymbol\Sigma_{ex}\boldsymbol\Sigma_{xx}^{-1}\boldsymbol\Sigma_{xe}, \hat\sigma_{0v}^2=\Omega_{ee}-\boldsymbol\Omega_{ex}\boldsymbol\Omega_{xx}^{-1}\boldsymbol\Omega_{xe} olur.

\mathrm{ADF}=\frac{t_\rho+\sqrt{6N}\,\hat\sigma_v/(2\hat\sigma_{0v})}{\sqrt{\hat\sigma_{0v}^2/(2\hat\sigma_v^2)+3\hat\sigma_v^2/(10\hat\sigma_{0v}^2)}}\ \overset{a}{\sim}\ N(0{,}1),\qquad p=\Phi(\mathrm{ADF})
  • H_0: eşbütünleşme yok; sol kuyruk testidir.
  • Kao ortak eğim varsayar ve birleştirilmiş tek bir regresyona dayanır; Pedroni birime özgü eğime izin verir. Bu yüzden iki test kısa ve heterojen panelde ayrışabilir; şablon bunu sonuç metnine yazar (355).
  • b ve K Pedroni'dekiyle aynıdır (bant_genisligi, esb_gecikme).

Westerlund (2007). Hata düzeltme tabanlı eşbütünleşme testleri için uygun bir R paketi olmadığından şablon bunu uygulamaz ve açıkça yazar (394–395).

136.4.5 Dumitrescu–Hurlin (2012) panel nedenselliği

Her i için y_{it}=\alpha_i+\sum_{k=1}^{K}\gamma_{ik}y_{i,t-k}+\sum_{k=1}^{K}\beta_{ik}x_{i,t-k}+\varepsilon_{it} regresyonunda H_0: \beta_{i1}=\dots=\beta_{iK}=0 Wald istatistiği W_i ile sınanır ve

\bar W=\frac1N\sum_iW_i,\qquad \bar Z=\sqrt{\frac N{2K}}\,(\bar W-K),\qquad \tilde Z=\sqrt{\frac N{2K}\cdot\frac{T-3K-5}{T-2K-3}}\Big(\frac{T-3K-3}{T-3K-1}\bar W-K\Big)
  • H_0: hiçbir birimde x'ten y'ye Granger nedenselliği yok; H_1: en az bir birimde var (heterojen). Reddetmek bütün birimlerde nedensellik demek değildir.
  • \bar Z büyük T ve N, \tilde Z küçük T için standart normale yaklaşır; şablon ikisini de yazar. Şablon her açıklayıcı için x\to y ve y\to x yönünü ayrı sınar (412).
  • W_i=\big(\mathrm{SSE}_r-\mathrm{SSE}_u\big)\big/\big(\mathrm{SSE}_u/(T-3K-1)\big): her birimde ilk K dönem gecikme için kaybedilir (T-K gözlem), kısıtsız modelde 2K+1 katsayı vardır; payda serbestlik derecesi T-K-(2K+1)=T-3K-1'dir. Kısıtlı model y'nin kendi gecikmelerini ve sabiti içerir. Hesap bölümde bağımsız yapılmıştır (136.6).

136.4.6 Heterojen eğimli kestiriciler

MG (Pesaran ve Smith, 1995): her birim için y_{it}=a_i+\mathbf x_{it}^{\top}\boldsymbol\beta_i+\epsilon_{it} ayrı en küçük karelerle kestirilir ve

\hat{\boldsymbol\beta}_{MG}=\frac1N\sum_i\hat{\boldsymbol\beta}_i,\qquad \widehat{\operatorname{Var}}(\hat{\boldsymbol\beta}_{MG})=\frac1{N(N-1)}\sum_i(\hat{\boldsymbol\beta}_i-\hat{\boldsymbol\beta}_{MG})(\hat{\boldsymbol\beta}_i-\hat{\boldsymbol\beta}_{MG})^{\top}

CCEMG (Pesaran, 2006): birim regresyonuna \bar y_t ve \bar{\mathbf x}_t (kesit ortalamaları) eklenir; \hat{\boldsymbol\beta}_i ortalanır, SH aynı parametrik olmayan formülle alınır. CCEP: birim eğimleri ortak (\boldsymbol\beta) kabul edilir, kesit ortalamalarına katsayılar birime özgüdür; \bar{\mathbf M}_i=\mathbf I-\bar{\mathbf H}_i(\bar{\mathbf H}_i^{\top}\bar{\mathbf H}_i)^{-}\bar{\mathbf H}_i^{\top} (\bar{\mathbf H}_i=[\mathbf 1,\bar y,\bar{\mathbf x}]) ile

\hat{\boldsymbol\beta}_P=\Big(\sum_i\mathbf X_i^{\top}\bar{\mathbf M}_i\mathbf X_i\Big)^{-1}\sum_i\mathbf X_i^{\top}\bar{\mathbf M}_i\mathbf y_i,\qquad \widehat{\operatorname{Var}}(\hat{\boldsymbol\beta}_P)=\frac1N\hat{\boldsymbol\Psi}^{-1}\hat{\mathbf R}\hat{\boldsymbol\Psi}^{-1}

\hat{\boldsymbol\Psi}=N^{-1}\sum_i\mathbf X_i^{\top}\bar{\mathbf M}_i\mathbf X_i/T, \hat{\mathbf R}=(N-1)^{-1}\sum_i\hat{\boldsymbol\Psi}_i(\hat{\boldsymbol\beta}_i-\hat{\boldsymbol\beta}_{MG})(\hat{\boldsymbol\beta}_i-\hat{\boldsymbol\beta}_{MG})^{\top}\hat{\boldsymbol\Psi}_i, \hat{\boldsymbol\Psi}_i=\mathbf X_i^{\top}\bar{\mathbf M}_i\mathbf X_i/T.

AMG (Eberhardt ve Teal, 2010): önce \Delta y_{it}, \Delta\mathbf x_{it} ve dönem kuklalarının (sabitsiz) havuzlanmış regresyonu kestirilir; kuklaların katsayıları \hat\mu_t "ortak dinamik süreç"tir. Ardından her birim için y_{it}=a_i+\mathbf x_{it}^{\top}\boldsymbol\beta_i+d_i\hat\mu_t\,[+c_it]+\epsilon_{it} (t\ge2) kestirilir ve \hat{\boldsymbol\beta}_i ortalanır; SH MG'deki formüldür (433–459).

  • MG, CCEMG ve AMG standart hataları birim katsayılarının dağılımından gelir; her birim regresyonunda serbestlik derecesi T-k-1 (kesit ortalamalarıyla T-2k-2)'dir ve çok küçük olabilir.
  • CCE yöntemleri, ortak etkenlerin (ortak şoklar) kesit ortalamalarıyla yaklaşık kontrol edilebileceğini varsayar; AMG ortak etkeni zaman kuklalarından çıkarır. Üçü de kesit bağımlılığı varken MG'den farklı çıkar: örnek veride lpcap katsayısı MG'de -0{,}105, CCEMG'de +0{,}090 olur (136.7).
  • trend = açık ise bütün birim regresyonlarına doğrusal trend eklenir (427–458).

Koddaki tercih

MG plm::pmg(form, model = "mg", trend) ile, CCEMG ve CCEP plm::pcce(form, model = "mg" | "p", trend) ile kestirilir (427–430); AMG şablonun kendi uygulamasıdır (433–459). Her birimde dönem sayısı 2k+3'ü aşmıyorsa CCE atlanır (428, 431). Katsayı tablosu yalnız açıklayıcı satırlarını alır, sabit ve kesit ortalaması katsayıları yazılmaz (423).

136.5 Kod adım adım

Satırlar Ne yapar Neden / dikkat
171–186 plm yüklenir; seçenekler ve roller denetlenir. pv() ile varsayılanlar.
187–224 Sütunları sayıya çevirir; eksik/sonsuz satırları atar; yinelenenleri, panel boyutunu ve değişkenliği denetler; sıralar; panel dengeli mi belirler (215). Atılan satır sayısı yazılır (223–224). icsd denetimi yalnız en az bir birimde zaman içi değişimi arar (220; B5). Bir birimde sabit değişken için uyarı satırı yazılır (225–231; B5).
232–234 dene(): testlerin hata ve uyarısını toplar. Hata durmaz; "… hesaplanamadı: …" satırı yazılır.
236–257 CD testleri: model artıkları + her değişken; tek tabloda. Pearson korelasyonu (B6).
259–279 CIPS: her değişken için düzey ve birinci fark; tek tablo; p sınırlı not satırı. cips_gecikme = 0'ı plm desteklemez (B1).
281–397 Pedroni yedi istatistik ve Kao; Westerlund notu. Dengeli panel ve T\ge10 gerekir; kısa panel notu.
399–415 Dumitrescu–Hurlin: her açıklayıcı için iki yön, üç istatistik. Dengesiz panelde Zbar hesaplanamaz (B3).
417–462 MG, CCEMG, CCEP, AMG; tek tablo. Birim içinde sabit açıklayıcı MG'de NaN verir (B5).
463–483 Uyarılar; kestirici karşılaştırma grafiği (açıklayıcı başına bir panel). Aralıklar normal yaklaşımdır (472–473).

136.6 Elle hesap: örnek veride bağımsız yeniden hesap

Ara değerler dogrulama/panel_esbutunlesme/elle_hesap.py ile plm ve şablon kodu kullanılmadan, düz matris cebriyle hesaplanmıştır (Pedroni'nin standartlaştırma sabitleri yayımlanmış tablolardan şablona aktarılmış sabitler olarak şablon kaynağından okunur ve bağımsız doğrulanmamıştır). r_dogrulama.R CD, CIPS, Dumitrescu–Hurlin ve MG/CCEMG/CCEP hesabını taban R ile (\texttt{lm}, matris cebri) yapar; Pedroni, Kao ve AMG yalnız Python'da yeniden hesaplanmıştır.

Adım 1 — Yatay kesit bağımlılığı. Birim başına regresyon artıklarından N(N-1)/2=1128 korelasyon: ortalaması \bar\rho=0{,}290283 (ortalama mutlak değer 0{,}403911). \sum\hat\rho_{ij}=327{,}439315 ve \sqrt{2T/(N(N-1))}=0{,}122764 ile \mathrm{CD}=40{,}197656; \sum\hat\rho_{ij}^2=248{,}134821 ile \mathrm{LM}=17\times248{,}134821=4218{,}2920; ölçekli \mathrm{LM}_s=65{,}062383.

Adım 2 — CIPS. Birinci birim (Alabama), lgsp düzeyi, sabitli, 1 gecikme: T-L-1=15 gözlemle \hat b_i=−0{,}342636, SH =0{,}245657, t=−1{,}394777. 48 birimin t istatistikleri −3{,}5536 ile 0{,}9330 arasındadır; ortalaması \mathrm{CIPS}=−0{,}928876. Birinci farkta lpc için −2{,}502876, unemp için −2{,}324934.

Adım 3 — Pedroni. b=3, K=1. İlk birimde \hat L_{11}^2=0{,}00036546, \hat\lambda=0{,}00006027, \hat s^2=0{,}00033464, \hat s^{*2}=0{,}00029915, \hat\rho=0{,}483654. Birimler üzerinden A=804{,}7837 ve \sum_i\hat L_{11i}^{-2}\sum_t(\hat e_{i,t-1}\Delta\hat e_{it}-\hat\lambda_i)=−523{,}4466. Panel v=48^{1{,}5}\cdot17^2/A=119{,}420951; standartlaştırma (m=4, sabit): \mu=18{,}91, \nu=190{,}661 ile Z_v=(119{,}4210-18{,}91\sqrt{48})/\sqrt{190{,}661}=−0{,}839468, p=1-\Phi(Z_v)=0{,}799397. Öbür altı istatistik ve Z'ler tabloda karşılaştırılır.

Adım 4 — Kao. LSDV artıklarıyla birleştirilmiş ADF t_\rho=−8{,}856793; \hat\sigma_v^2=0{,}00115614, \hat\sigma_{0v}^2=0{,}00281609; düzeltilmiş \mathrm{ADF}=−2{,}953216, p=0{,}001572.

Adım 5 — Dumitrescu–Hurlin. lemp → lgsp: birim Wald ortalaması \bar W=2{,}860320; \bar Z=\sqrt{48/2}\,(\bar W-1)=9{,}113667; \tilde Z=\sqrt{(48/2)\cdot9/12}\,\big(11/13\,\bar W-1\big)=6{,}025697. (T=17, K=1: T-3K-5=9, T-2K-3=12, T-3K-3=11, T-3K-1=13.)

Adım 6 — MG ve AMG. İlk birim için MG eğimleri (−1{,}442644,\ 0{,}279501,\ 1{,}835250,\ 0{,}007355); 48 birimin ortalaması \hat{\boldsymbol\beta}_{MG}=(−0{,}104851,\ 0{,}218254,\ 0{,}933478,\ −0{,}003722); SH'ler birim eğimlerinin standart sapmalarının \sqrt{48}'e bölünmesidir (0{,}5537/6{,}9282=0{,}0799 ilk açıklayıcı için). CCEMG, CCEP ve AMG katsayıları tabloda yer alır.

Adım 7 — Yayımlanmış değerle karşılaştırma. Croissant ve Millo (2008, §6) Grunfeld verisinde pcdtest(inv ~ value + capital) için Pesaran CD z=5{,}3401 (p=9{,}292\cdot10^{-8}) bildirir; şablon aynı veride ve aynı model için aynı değeri üretir (tablonun ikinci bölümü).

136.6.1 Doğrulama: MerQuR+, Python ve R

Büyüklük MerQuR+ Python (bağımsız) R (bağımsız) En büyük fark
CD testleri, model artıkları: CD 40,19765648 40,19765648 40,19765648 5,6e−14 ✓
CD testleri, model artıkları: LM 4218,29195134 4218,29195134 4218,29195134 7,0e−14 ✓
CD testleri, model artıkları: ölçekli LM 65,06238259 65,06238259 65,06238259 9,6e−14 ✓
CD testleri, lgsp: CD 123,88358977 123,88358977 123,88358977 1,3e−15 ✓
CD testleri, lgsp: LM 15549,72153887 15549,72153887 15549,72153887 1,6e−15 ✓
CD testleri, lgsp: ölçekli LM 303,63201248 303,63201248 303,63201248 1,5e−15 ✓
CD testleri, lpcap: CD 114,11536547 114,11536547 — 8,7e−16 ✓
CD testleri, lpcap: LM 14951,53733583 14951,53733583 — 9,7e−16 ✓
CD testleri, lpcap: ölçekli LM 291,03796308 291,03796308 — 2,1e−15 ✓
CD testleri, lpc: CD 130,94324328 130,94324328 — 2,6e−15 ✓
CD testleri, lpc: LM 17187,77823709 17187,77823709 — 2,8e−15 ✓
CD testleri, lpc: ölçekli LM 338,11932736 338,11932736 — 1,3e−15 ✓
CD testleri, lemp: CD 126,34073044 126,34073044 — 7,9e−16 ✓
CD testleri, lemp: LM 16144,56788773 16144,56788773 — 1,7e−15 ✓
CD testleri, lemp: ölçekli LM 316,15578736 316,15578736 — 3,8e−15 ✓
CD testleri, unemp: CD 78,51894501 78,51894501 78,51894501 3,6e−16 ✓
CD testleri, unemp: LM 8028,31235527 8028,31235527 8028,31235527 1,2e−15 ✓
CD testleri, unemp: ölçekli LM 145,27778265 145,27778265 145,27778265 2,2e−15 ✓
CD testleri, model artıkları (havuzlanmış): CD 30,63667365 30,63667365 30,63667365 2,4e−15 ✓
CD testleri, model artıkları (havuzlanmış): LM 5072,12203457 5072,12203457 5072,12203457 2,7e−15 ✓
CD testleri, model artıkları (havuzlanmış): ölçekli LM 83,03874871 83,03874871 83,03874871 3,6e−15 ✓
CD testleri, model artıkları (sabit etkiler): CD 30,36850131 30,36850131 30,36850131 3,0e−15 ✓
CD testleri, model artıkları (sabit etkiler): LM 5079,2901654 5079,2901654 5079,2901654 1,1e−15 ✓
CD testleri, model artıkları (sabit etkiler): ölçekli LM 83,18966509 83,18966509 83,18966509 1,7e−16 ✓
CIPS (düzey): lgsp −0,9288764 −0,9288764 −0,9288764 2,2e−11 ✓
CIPS (düzey): lpcap −1,76677038 −1,76677038 −1,76677038 7,5e−11 ✓
CIPS (düzey): lpc −1,27611016 −1,27611016 — 2,2e−11 ✓
CIPS (düzey): lemp −1,00210409 −1,00210409 — 1,9e−11 ✓
CIPS (düzey): unemp −1,08530455 −1,08530455 — 3,5e−14 ✓
CIPS (birinci fark): lgsp −1,42184914 −1,42184914 −1,42184914 4,1e−15 ✓
CIPS (birinci fark): lpcap −2,08293934 −2,08293934 — 2,1e−15 ✓
CIPS (birinci fark): lpc −2,50287621 −2,50287621 −2,50287621 2,3e−15 ✓
CIPS (birinci fark): lemp −1,28290346 −1,28290346 — 6,9e−15 ✓
CIPS (birinci fark): unemp −2,32493407 −2,32493407 — 2,3e−15 ✓
CIPS lgsp düzey, sabit+trend, 2 gecikme −0,61599434 −0,61599434 — 3,7e−10 ✓
CIPS lgsp düzey, terimsiz, 1 gecikme −0,81861045 −0,81861045 −0,81861045 1,7e−12 ✓
CIPS lgsp düzey, ADF (mg), 1 gecikme −1,00301817 −1,00301817 — 3,5e−13 ✓
Pedroni (sabit, K = 1): panel v ham 119,42095097 119,42095097 — 4,4e−15 ✓
Pedroni (sabit, K = 1): panel v standart −0,83946755 −0,83946755 — 7,4e−15 ✓
Pedroni (sabit, K = 1): panel v p 0,79939651 0,79939651 — 1,9e−15 ✓
Pedroni (sabit, K = 1): panel ρ ham −76,60599713 −76,60599713 — 2,5e−14 ✓
Pedroni (sabit, K = 1): panel ρ standart 4,24449716 4,24449716 — 4,5e−14 ✓
Pedroni (sabit, K = 1): panel ρ p 0,99998905 0,99998905 — 1,1e−16 ✓
Pedroni (sabit, K = 1): panel PP-t ham −19,84546401 −19,84546401 — 1,9e−14 ✓
Pedroni (sabit, K = 1): panel PP-t standart 0,49465915 0,49465915 — 3,9e−13 ✓
Pedroni (sabit, K = 1): panel PP-t p 0,68957963 0,68957963 — 1,4e−13 ✓
Pedroni (sabit, K = 1): panel ADF-t ham −21,43518587 −21,43518587 — 2,5e−15 ✓
Pedroni (sabit, K = 1): panel ADF-t standart −1,2367805 −1,2367805 — 2,8e−14 ✓
Pedroni (sabit, K = 1): panel ADF-t p 0,10808429 0,10808429 — 6,0e−15 ✓
Pedroni (sabit, K = 1): grup ρ ham −78,04305875 −78,04305875 — 2,2e−14 ✓
Pedroni (sabit, K = 1): grup ρ standart 7,33425214 7,33425214 — 2,5e−14 ✓
Pedroni (sabit, K = 1): grup ρ p 1 1 — 4,4e−16 ✓
Pedroni (sabit, K = 1): grup PP-t ham −20,57911057 −20,57911057 — 2,2e−14 ✓
Pedroni (sabit, K = 1): grup PP-t standart 1,72814731 1,72814731 — 3,4e−13 ✓
Pedroni (sabit, K = 1): grup PP-t p 0,95801909 0,95801909 — 5,3e−14 ✓
Pedroni (sabit, K = 1): grup ADF-t ham −21,79548903 −21,79548903 — 5,4e−15 ✓
Pedroni (sabit, K = 1): grup ADF-t standart 0,10269322 0,10269322 — 1,8e−13 ✓
Pedroni (sabit, K = 1): grup ADF-t p 0,54089677 0,54089677 — 7,0e−14 ✓
Pedroni (sabit ve trend, K = 1): panel v ham 186,84549621 186,84549621 — 6,1e−16 ✓
Pedroni (sabit ve trend, K = 1): panel v standart −0,48230569 −0,48230569 — 1,8e−14 ✓
Pedroni (sabit ve trend, K = 1): panel v p 0,6852056 0,6852056 — 6,8e−15 ✓
Pedroni (sabit ve trend, K = 1): panel ρ ham −91,3376103 −91,3376103 — 7,6e−15 ✓
Pedroni (sabit ve trend, K = 1): panel ρ standart 5,50779533 5,50779533 — 1,2e−14 ✓
Pedroni (sabit ve trend, K = 1): panel ρ p 0,99999998 0,99999998 — 4,4e−16 ✓
Pedroni (sabit ve trend, K = 1): panel PP-t ham −25,09395909 −25,09395909 — 1,3e−14 ✓
Pedroni (sabit ve trend, K = 1): panel PP-t standart −3,00697708 −3,00697708 — 1,2e−13 ✓
Pedroni (sabit ve trend, K = 1): panel PP-t p 0,0013193 0,0013193 — 1,5e−15 ✓
Pedroni (sabit ve trend, K = 1): panel ADF-t ham −26,68055989 −26,68055989 — 1,4e−14 ✓
Pedroni (sabit ve trend, K = 1): panel ADF-t standart −4,91979419 −4,91979419 — 1,0e−13 ✓
Pedroni (sabit ve trend, K = 1): panel ADF-t p 4,331763·10−7 4,331763·10−7 — 1,1e−18 ✓
Pedroni (sabit ve trend, K = 1): grup ρ ham −96,43850111 −96,43850111 — 6,0e−15 ✓
Pedroni (sabit ve trend, K = 1): grup ρ standart 7,73081145 7,73081145 — 7,2e−15 ✓
Pedroni (sabit ve trend, K = 1): grup ρ p 1 1 — 3,3e−16 ✓
Pedroni (sabit ve trend, K = 1): grup PP-t ham −27,78953223 −27,78953223 — 4,7e−15 ✓
Pedroni (sabit ve trend, K = 1): grup PP-t standart −5,14359025 −5,14359025 — 2,3e−14 ✓
Pedroni (sabit ve trend, K = 1): grup PP-t p 1,347685·10−7 1,347685·10−7 — 8,4e−20 ✓
Pedroni (sabit ve trend, K = 1): grup ADF-t ham −28,58426088 −28,58426088 — 7,0e−15 ✓
Pedroni (sabit ve trend, K = 1): grup ADF-t standart −6,22208729 −6,22208729 — 5,2e−14 ✓
Pedroni (sabit ve trend, K = 1): grup ADF-t p 2,452920·10−10 2,452920·10−10 — 5,1e−22 ✓
Pedroni (sabit, K = 2, bant 2): panel v ham 123,08451616 123,08451616 — 2,2e−15 ✓
Pedroni (sabit, K = 2, bant 2): panel v standart −0,57414572 −0,57414572 — 5,1e−15 ✓
Pedroni (sabit, K = 2, bant 2): panel v p 0,7170654 0,7170654 — 1,2e−15 ✓
Pedroni (sabit, K = 2, bant 2): panel ρ ham −80,9750227 −80,9750227 — 1,7e−14 ✓
Pedroni (sabit, K = 2, bant 2): panel ρ standart 3,80612579 3,80612579 — 3,5e−14 ✓
Pedroni (sabit, K = 2, bant 2): panel ρ p 0,99992942 0,99992942 — 4,4e−16 ✓
Pedroni (sabit, K = 2, bant 2): panel PP-t ham −19,75836961 −19,75836961 — 1,5e−14 ✓
Pedroni (sabit, K = 2, bant 2): panel PP-t standart 0,5895177 0,5895177 — 3,3e−13 ✓
Pedroni (sabit, K = 2, bant 2): panel PP-t p 0,72224298 0,72224298 — 1,1e−13 ✓
Pedroni (sabit, K = 2, bant 2): panel ADF-t ham −21,45893816 −21,45893816 — 1,3e−14 ✓
Pedroni (sabit, K = 2, bant 2): panel ADF-t standart −1,26265022 −1,26265022 — 2,6e−13 ✓
Pedroni (sabit, K = 2, bant 2): panel ADF-t p 0,10335746 0,10335746 — 6,0e−14 ✓
Pedroni (sabit, K = 2, bant 2): grup ρ ham −84,11146191 −84,11146191 — 1,5e−14 ✓
Pedroni (sabit, K = 2, bant 2): grup ρ standart 6,66343387 6,66343387 — 2,0e−14 ✓
Pedroni (sabit, K = 2, bant 2): grup ρ p 1 1 — 1,1e−16 ✓
Pedroni (sabit, K = 2, bant 2): grup PP-t ham −20,67829706 −20,67829706 — 2,1e−14 ✓
Pedroni (sabit, K = 2, bant 2): grup PP-t standart 1,59560379 1,59560379 — 3,3e−13 ✓
Pedroni (sabit, K = 2, bant 2): grup PP-t p 0,94471136 0,94471136 — 5,9e−14 ✓
Pedroni (sabit, K = 2, bant 2): grup ADF-t ham −22,61609656 −22,61609656 — 6,6e−15 ✓
Pedroni (sabit, K = 2, bant 2): grup ADF-t standart −0,99388972 −0,99388972 — 2,4e−13 ✓
Pedroni (sabit, K = 2, bant 2): grup ADF-t p 0,16013828 0,16013828 — 5,9e−14 ✓
Kao: birleştirilmiş ADF t −8,85679337 −8,85679337 — 9,6e−15 ✓
Kao: Kao ADF −2,95321589 −2,95321589 — 2,6e−14 ✓
Kao: p 0,00157241 0,00157241 — 4,5e−16 ✓
Kao: σ̂v² 0,00115614 0,00115614 — 9,5e−17 ✓
Kao: σ̂0v² 0,00281609 0,00281609 — 1,4e−17 ✓
Dumitrescu–Hurlin lpcap → lgsp: Wbar 0,83483675 0,83483675 — 6,0e−14 ✓
Dumitrescu–Hurlin lpcap → lgsp: Zbar −0,80913139 −0,80913139 — 2,9e−13 ✓
Dumitrescu–Hurlin lpcap → lgsp: p_Zbar 0,41843958 0,41843958 — 1,7e−13 ✓
Dumitrescu–Hurlin lpcap → lgsp: Ztilde −1,24563793 −1,24563793 — 1,7e−13 ✓
Dumitrescu–Hurlin lpcap → lgsp: p_Ztilde 0,21289735 0,21289735 — 7,8e−14 ✓
Dumitrescu–Hurlin lpc → lgsp: Wbar 1,35979 1,35979 — 5,7e−15 ✓
Dumitrescu–Hurlin lpc → lgsp: Zbar 1,76260383 1,76260383 — 2,4e−14 ✓
Dumitrescu–Hurlin lpc → lgsp: p_Zbar 0,07796733 0,07796733 — 7,9e−15 ✓
Dumitrescu–Hurlin lpc → lgsp: Ztilde 0,63890579 0,63890579 — 3,4e−14 ✓
Dumitrescu–Hurlin lpc → lgsp: p_Ztilde 0,52288422 0,52288422 — 2,2e−14 ✓
Dumitrescu–Hurlin lemp → lgsp: Wbar 2,86031951 2,86031951 2,86031951 1,4e−14 ✓
Dumitrescu–Hurlin lemp → lgsp: Zbar 9,11366709 9,11366709 9,11366709 2,1e−14 ✓
Dumitrescu–Hurlin lemp → lgsp: p_Zbar 7,964342·10−20 7,964342·10−20 7,964342·10−20 1,4e−31 ✓
Dumitrescu–Hurlin lemp → lgsp: Ztilde 6,02569678 6,02569678 6,02569678 2,4e−14 ✓
Dumitrescu–Hurlin lemp → lgsp: p_Ztilde 1,683826·10−9 1,683826·10−9 1,683826·10−9 1,5e−21 ✓
Dumitrescu–Hurlin unemp → lgsp: Wbar 2,42851908 2,42851908 — 1,6e−14 ✓
Dumitrescu–Hurlin unemp → lgsp: Zbar 6,99828568 6,99828568 — 2,7e−14 ✓
Dumitrescu–Hurlin unemp → lgsp: p_Zbar 2,591133·10−12 2,591133·10−12 — 3,4e−24 ✓
Dumitrescu–Hurlin unemp → lgsp: Ztilde 4,47556489 4,47556489 — 3,1e−14 ✓
Dumitrescu–Hurlin unemp → lgsp: p_Ztilde 7,620955·10−6 7,620955·10−6 — 4,9e−18 ✓
Dumitrescu–Hurlin lgsp → lpcap: Wbar 3,4779038 3,4779038 — 8,4e−15 ✓
Dumitrescu–Hurlin lgsp → lpcap: Zbar 12,13919989 12,13919989 — 1,3e−14 ✓
Dumitrescu–Hurlin lgsp → lpcap: p_Zbar 6,546302·10−34 6,546302·10−34 — 1,2e−45 ✓
Dumitrescu–Hurlin lgsp → lpcap: Ztilde 8,24277916 8,24277916 — 1,4e−14 ✓
Dumitrescu–Hurlin lgsp → lpcap: p_Ztilde 1,682560·10−16 1,682560·10−16 — 1,5e−28 ✓
Dumitrescu–Hurlin lgsp → lpc: Wbar 7,96665378 7,96665378 7,96665378 2,9e−15 ✓
Dumitrescu–Hurlin lgsp → lpc: Zbar 34,12949394 34,12949394 34,12949394 4,4e−15 ✓
Dumitrescu–Hurlin lgsp → lpc: p_Zbar 2,694494·10−255 2,694494·10−255 2,694494·10−255 9,9e−267 ✓
Dumitrescu–Hurlin lgsp → lpc: Ztilde 24,3570627 24,3570627 24,3570627 2,2e−15 ✓
Dumitrescu–Hurlin lgsp → lpc: p_Ztilde 4,879797·10−131 4,879797·10−131 4,879797·10−131 1,0e−142 ✓
Dumitrescu–Hurlin lgsp → lemp: Wbar 4,28684677 4,28684677 — 1,0e−15 ✓
Dumitrescu–Hurlin lgsp → lemp: Zbar 16,10219489 16,10219489 — 2,4e−15 ✓
Dumitrescu–Hurlin lgsp → lemp: p_Zbar 2,462133·10−58 2,462133·10−58 — 5,3e−71 ✓
Dumitrescu–Hurlin lgsp → lemp: Ztilde 11,14682513 11,14682513 — 9,6e−16 ✓
Dumitrescu–Hurlin lgsp → lemp: p_Ztilde 7,420705·10−29 7,420705·10−29 — 9,6e−42 ✓
Dumitrescu–Hurlin lgsp → unemp: Wbar 2,15778189 2,15778189 — 6,2e−16 ✓
Dumitrescu–Hurlin lgsp → unemp: Zbar 5,67194973 5,67194973 — 1,6e−16 ✓
Dumitrescu–Hurlin lgsp → unemp: p_Zbar 1,411814·10−8 1,411814·10−8 — 4,5e−23 ✓
Dumitrescu–Hurlin lgsp → unemp: Ztilde 3,50363821 3,50363821 — 1,5e−15 ✓
Dumitrescu–Hurlin lgsp → unemp: p_Ztilde 4,589484·10−4 4,589484·10−4 — 7,8e−17 ✓
Dumitrescu–Hurlin lemp → lgsp, K = 2: Wbar 4,59348947 4,59348947 — 3,5e−15 ✓
Dumitrescu–Hurlin lemp → lgsp, K = 2: Zbar 8,98411105 8,98411105 — 5,1e−15 ✓
Dumitrescu–Hurlin lemp → lgsp, K = 2: Ztilde 4,49393737 4,49393737 — 5,7e−15 ✓
MG: lpcap kestirim −0,1048507 −0,1048507 −0,1048507 5,4e−12 ✓
MG: lpcap SH 0,07991321 0,07991321 0,07991321 2,2e−12 ✓
MG: lpc kestirim 0,21825394 0,21825394 0,21825394 9,3e−13 ✓
MG: lpc SH 0,0500862 0,0500862 0,0500862 1,9e−13 ✓
MG: lemp kestirim 0,93347756 0,93347756 0,93347756 3,7e−12 ✓
MG: lemp SH 0,07500717 0,07500717 0,07500717 6,5e−13 ✓
MG: unemp kestirim −0,00372157 −0,00372157 −0,00372157 9,2e−14 ✓
MG: unemp SH 0,00164272 0,00164272 0,00164272 2,1e−14 ✓
CCEMG: lpcap kestirim 0,08998505 0,08998501 0,08998504 3,8e−8 ✓
CCEMG: lpcap SH 0,1176039 0,11760402 0,11760395 1,2e−7 ✓
CCEMG: lpc kestirim 0,0335784 0,0335784 0,0335784 3,2e−9 ✓
CCEMG: lpc SH 0,04233618 0,04233619 0,04233619 4,1e−9 ✓
CCEMG: lemp kestirim 0,6258659 0,62586583 0,62586587 7,0e−8 ✓
CCEMG: lemp SH 0,10717191 0,10717196 0,10717193 5,0e−8 ✓
CCEMG: unemp kestirim −0,00311779 −0,00311779 −0,00311779 5,0e−10 ✓
CCEMG: unemp SH 0,00143888 0,00143888 0,00143888 1,1e−10 ✓
CCEP: lpcap kestirim 0,04323762 0,04323756 0,0432376 5,8e−8 ✓
CCEP: lpcap SH 0,10411251 0,10411252 0,10411251 1,3e−8 ✓
CCEP: lpc kestirim 0,03639219 0,03639219 0,03639219 1,9e−9 ✓
CCEP: lpc SH 0,03684319 0,03684319 0,03684319 1,9e−9 ✓
CCEP: lemp kestirim 0,82096318 0,82096316 0,82096317 2,8e−8 ✓
CCEP: lemp SH 0,13902017 0,13902019 0,13902017 2,0e−8 ✓
CCEP: unemp kestirim −0,00209254 −0,00209254 −0,00209254 1,8e−10 ✓
CCEP: unemp SH 0,00149729 0,00149729 0,00149729 1,7e−11 ✓
AMG: lpcap kestirim −0,15844616 −0,15844616 −0,15844616 5,0e−14 ✓
AMG: lpcap SH 0,08797958 0,08797958 0,08797958 2,0e−15 ✓
AMG: lpc kestirim 0,18567117 0,18567117 0,18567117 7,7e−15 ✓
AMG: lpc SH 0,04901912 0,04901912 0,04901912 5,9e−16 ✓
AMG: lemp kestirim 0,97494611 0,97494611 0,97494611 3,7e−15 ✓
AMG: lemp SH 0,08332077 0,08332077 0,08332077 6,4e−16 ✓
AMG: unemp kestirim −0,00413382 −0,00413382 −0,00413382 1,8e−16 ✓
AMG: unemp SH 0,00181069 0,00181069 0,00181069 2,0e−17 ✓
MG (birim trendli): lpcap kestirim 0,19003321 0,19003321 — 2,9e−11 ✓
MG (birim trendli): lpcap SH 0,10553018 0,10553018 — 3,9e−11 ✓
MG (birim trendli): lpc kestirim −0,06139993 −0,06139993 — 2,9e−11 ✓
MG (birim trendli): lpc SH 0,05358901 0,05358901 — 1,2e−12 ✓
MG (birim trendli): lemp kestirim 0,62595875 0,62595875 — 3,1e−11 ✓
MG (birim trendli): lemp SH 0,12071212 0,12071212 — 6,0e−11 ✓
MG (birim trendli): unemp kestirim −0,00898296 −0,00898296 — 4,0e−13 ✓
MG (birim trendli): unemp SH 0,00227603 0,00227603 — 5,5e−13 ✓
CCEMG (birim trendli): lpcap kestirim 0,01586176 0,01586158 — 1,9e−7 ✓
CCEMG (birim trendli): lpcap SH 0,16301856 0,16301885 — 2,9e−7 ✓
CCEMG (birim trendli): lpc kestirim 0,01428061 0,01428056 — 5,3e−8 ✓
CCEMG (birim trendli): lpc SH 0,05014615 0,05014618 — 2,8e−8 ✓
CCEMG (birim trendli): lemp kestirim 0,64374975 0,64374975 — 2,8e−9 ✓
CCEMG (birim trendli): lemp SH 0,10286531 0,10286535 — 3,9e−8 ✓
CCEMG (birim trendli): unemp kestirim −0,00263433 −0,00263432 — 1,9e−9 ✓
CCEMG (birim trendli): unemp SH 0,00162653 0,00162654 — 4,4e−10 ✓
CCEP (birim trendli): lpcap kestirim 0,04887714 0,04887709 — 4,7e−8 ✓
CCEP (birim trendli): lpcap SH 0,10545834 0,10545835 — 2,2e−9 ✓
CCEP (birim trendli): lpc kestirim 0,04362108 0,04362108 — 1,6e−9 ✓
CCEP (birim trendli): lpc SH 0,03934423 0,03934423 — 4,3e−9 ✓
CCEP (birim trendli): lemp kestirim 0,83769824 0,83769821 — 2,3e−8 ✓
CCEP (birim trendli): lemp SH 0,14158544 0,14158546 — 1,4e−8 ✓
CCEP (birim trendli): unemp kestirim −0,0020545 −0,0020545 — 1,4e−10 ✓
CCEP (birim trendli): unemp SH 0,00157826 0,00157826 — 5,6e−11 ✓
AMG (birim trendli): lpcap kestirim 0,04856611 0,04856611 — 1,1e−13 ✓
AMG (birim trendli): lpcap SH 0,13166715 0,13166715 — 9,7e−16 ✓
AMG (birim trendli): lpc kestirim −0,04054076 −0,04054076 — 1,2e−14 ✓
AMG (birim trendli): lpc SH 0,04655225 0,04655225 — 2,8e−15 ✓
AMG (birim trendli): lemp kestirim 0,82520497 0,82520497 — 6,2e−15 ✓
AMG (birim trendli): lemp SH 0,13399003 0,13399003 — 1,3e−14 ✓
AMG (birim trendli): unemp kestirim −0,0062458 −0,0062458 — 5,4e−16 ✓
AMG (birim trendli): unemp SH 0,00235417 0,00235417 — 2,1e−16 ✓

Ölçütü karşılayan: 212/212. Bağımsız Python ve R, plm'ye ve şablon koduna başvurmaz (yalnız taban R ve numpy/scipy). R ayağı CD, CIPS, Dumitrescu–Hurlin, MG, CCEMG ve CCEP için vardır; Pedroni, Kao ve AMG yalnız Python'da yeniden hesaplanmıştır. CIPS p değerleri tablodan aradeğerlendiği ve [0,01; 0,10] aralığına sınırlandığı için karşılaştırmaya CIPS istatistiği girer, p girmez. Pedroni standartlaştırma sabitleri şablonla aynı yayımlanmış tablolardan alınmıştır ve bağımsız doğrulanmamıştır (bölüm 136.6).

Yayımlanmış değerle karşılaştırma (Croissant ve Millo, 2008, Grunfeld verisi, inv ~ value + capital, Pesaran CD testi): yayımlanan z=5{,}3401; MerQuR+ 5,340053 (fark 4,7e-05, ölçüt 5,1·10−5) ✓.

Şablonun kodu ile bağımsız hesap Pedroni ve Kao dahil bütün satırlarda 10^{-6} içinde örtüşür; asıl fark 10^{-9} düzeyindedir. İki noktaya dikkat: (i) Pedroni ve Kao'nun örtüşmesi uygulamanın formüllere sadıklığını gösterir; Pedroni'nin standartlaştırma tablolarının doğruluğunu ya da sonuçların yayımlanmış bir uygulamayla örtüştüğünü göstermez; (ii) CIPS'in p değeri tablodan aradeğerlendiği için karşılaştırma CIPS istatistiğini sınar, p'yi sınamaz.

136.7 Çıktıyı okuma

Örnek ayarın konsol çıktısı:

Panel: N = 48, T = 17 (dengeli), gözlem = 816
CIPS p değerleri Pesaran (2007) kritik değer tablosundan aradeğerlenir; 0,10 en büyük (≥ 0,10), 0,01 en küçük (≤ 0,01) yazılabilen değerdir.
Pedroni istatistikleri asimptotik (T → ∞) ortalama/varyans düzeltmeleriyle standartlaştırılır; kısa panellerde (bu veride T = 17) dağılımları N(0,1)'den belirgin sapar: örneğin benzetimlerde (N = 48, T = 17, 4 açıklayıcı) panel v, panel ρ ve grup ρ eşbütünleşme varken de neredeyse hiç reddetmez, PP-t ve ADF-t istatistikleri ise eşbütünleşme yokken de aşırı reddeder. Kısa panelde Pedroni p değerleri yaklaşık bile güvenilir değildir.
Kao (1999) testi tüm birimlerde ortak (homojen) eğim varsayar ve birleştirilmiş tek bir ADF regresyonuna dayanır; Pedroni ise birime özgü eğimlere izin verir. Bu nedenle iki testin sonucu kısa ve heterojen panellerde ayrışabilir; karar birden çok istatistiğe ve T'ye birlikte bakılarak verilmelidir.
Westerlund (2007) hata düzeltme tabanlı eşbütünleşme testleri: R'da uygun (CRAN) paket bulunmadığından bu şablonda uygulanmadı (yok).

1. Yatay kesit bağımlılığı.

       degisken        CD  p_CD         LM olcekli_LM  p_olcekli_LM
model artıkları  40.19766     0 4218.29195   65.06238             0
           lgsp 123.88359     0      15550  303.63201             0
          lpcap 114.11537     0      14952  291.03796             0
            lpc 130.94324     0      17188  338.11933             0
           lemp 126.34073     0      16145  316.15579             0
          unemp  78.51895     0 8028.31236  145.27778             0

CD'nin sıfır hipotezi ret edilir (bütün p<10^{-15}): eyaletler ortak şoklara maruz. Model artıklarında CD 40,2'dir, ortalama ikili korelasyon 0,29'dur. Bu, birinci kuşak yöntemlerin (ortak eğim, kesit bağımsızlığı) bu veride yanıltıcı olabileceğinin işaretidir.

2. CIPS.

degisken         seri     CIPS       p
    lgsp        düzey -0.92888     0.1
   lpcap        düzey -1.76677     0.1
     lpc        düzey -1.27611     0.1
    lemp        düzey  -1.0021     0.1
   unemp        düzey  -1.0853     0.1
    lgsp birinci fark -1.42185     0.1
   lpcap birinci fark -2.08294 0.07886
     lpc birinci fark -2.50288    0.01
    lemp birinci fark  -1.2829     0.1
   unemp birinci fark -2.32493    0.01

Düzeyde hiçbir değişken için birim kök reddedilmez (p\ge0{,}10 en büyük yazılabilir değerdir). Birinci farkta lpc (-2{,}503) ve unemp (-2{,}325) p\le0{,}01 ile durağan çıkar, lpcap (-2{,}083) p=0{,}079 ile sınırdadır; lgsp (-1{,}422) ve lemp (-1{,}283) birinci farkta da reddedilemez. Bu, bütün serilerin I(1) olduğunu kanıtlamaz; CIPS'in küçük T'deki gücü ve p değerinin sınırlanması dikkate alınmalıdır.

3. Pedroni ve Kao.

 istatistik       ham standart       p
    panel v 119.42095 -0.83947  0.7994
    panel ρ   -76.606   4.2445 0.99999
 panel PP-t -19.84546  0.49466 0.68958
panel ADF-t -21.43519 -1.23678 0.10808
     grup ρ -78.04306  7.33425       1
  grup PP-t -20.57911  1.72815 0.95802
 grup ADF-t -21.79549  0.10269  0.5409
               olcut     deger
birleştirilmiş ADF t -8.856793
             Kao ADF -2.953216
                   p  0.001572
           sigma_v^2  0.001156
          sigma_0v^2  0.002816

Pedroni'nin yedi istatistiğinden hiçbiri %5'te H_0'ı (eşbütünleşme yok) reddetmez; en küçük p panel ADF-t'dedir (0,108). Kao ise \mathrm{ADF}=-2{,}953, p=0{,}0016 ile reddeder. İki test ayrışır: Kao ortak eğim varsayar ve T=17'de yüksek güçlüdür; Pedroni heterojen eğime izin verir ama kısa panelde düzeltmeleri güvenilmezdir (136.4.3). Sonuç: bu veride eşbütünleşme kanıtlanmamıştır; karar tek bir teste dayandırılmamalıdır.

4. Dumitrescu–Hurlin.

         yon    Wbar     Zbar      p_Zbar   Ztilde    p_Ztilde
lpcap → lgsp 0.83484 -0.80913     0.41844 -1.24564      0.2129
  lpc → lgsp 1.35979   1.7626     0.07797  0.63891     0.52288
 lemp → lgsp 2.86032  9.11367  7.9643e-20   6.0257  1.6838e-09
unemp → lgsp 2.42852  6.99829  2.5911e-12  4.47556   7.621e-06
lgsp → lpcap  3.4779  12.1392  6.5463e-34  8.24278  1.6826e-16
  lgsp → lpc 7.96665 34.12949 2.6945e-255 24.35706 4.8798e-131
 lgsp → lemp 4.28685 16.10219  2.4621e-58 11.14683  7.4207e-29
lgsp → unemp 2.15778  5.67195  1.4118e-08  3.50364     0.00046

Yön x → y biçiminde yazılır. lpcap → lgsp ve lpc → lgsp için H_0 reddedilmez (Ztilde p=0{,}213 ve 0{,}523); istihdam ve işsizlikten üretime doğru (p<10^{-5}) ve üretimden dört açıklayıcıya doğru (p\le5\cdot10^{-4}) nedensellik bulunur. Yani kamu sermayesinden üretime ve özel sermayeden üretime Granger nedenselliği yoktur; üretimden her iki sermayeye vardır.

5. Heterojen eğimli kestiriciler.

kestirici terim kestirim      SH        z          p
       MG lpcap -0.10485 0.07991 -1.31206     0.1895
       MG   lpc  0.21825 0.05009  4.35757 1.3152e-05
       MG  lemp  0.93348 0.07501 12.44518 1.4855e-35
       MG unemp -0.00372 0.00164 -2.26549    0.02348
    CCEMG lpcap  0.08999  0.1176  0.76515    0.44418
    CCEMG   lpc  0.03358 0.04234  0.79314     0.4277
    CCEMG  lemp  0.62587 0.10717  5.83983 5.2254e-09
    CCEMG unemp -0.00312 0.00144 -2.16682    0.03025
     CCEP lpcap  0.04324 0.10411   0.4153    0.67792
     CCEP   lpc  0.03639 0.03684  0.98776    0.32327
     CCEP  lemp  0.82096 0.13902  5.90535 3.5189e-09
     CCEP unemp -0.00209  0.0015 -1.39755    0.16225
      AMG lpcap -0.15845 0.08798 -1.80094    0.07171
      AMG   lpc  0.18567 0.04902  3.78773    0.00015
      AMG  lemp  0.97495 0.08332 11.70112 1.2579e-31
      AMG unemp -0.00413 0.00181 -2.28301    0.02243
Terim MG CCEMG CCEP AMG
lpcap (kamu sermayesi) −0,105 0,090 0,043 −0,158
lpc (özel sermaye) 0,218 0,034 0,036 0,186
lemp (istihdam) 0,933 0,626 0,821 0,975
unemp (işsizlik) −0,0037 −0,0031 −0,0021 −0,0041

Kamu sermayesi katsayısı hiçbir kestiricide %5'te anlamlı değildir (p=0{,}189; 0{,}444; 0{,}678; 0{,}072); işareti MG ve AMG'de negatif, CCE'de pozitiftir. Özel sermaye MG ve AMG'de anlamlı (p<0{,}001), CCE'de anlamsızdır: kesit bağımlılığı denetlenince etki kaybolur. İstihdam bütün kestiricilerde güçlü ve anlamlıdır (0,63–0,97).

Şekil 136.1. Kestiricilerin karşılaştırılması: açıklayıcı başına bir panel; dört kestiricinin katsayısı ve %95 güven aralığı (normal yaklaşım). Kesikli çizgi sıfırdır.

Rapor cümlesi. ABD eyaletleri verisinde (48 eyalet, 1970–1986) yatay kesit bağımlılığı güçlüdür (Pesaran CD = 40,20; p<0{,}001). CIPS testi düzeyde birim kökü reddetmemiştir. Pedroni testlerinin hiçbiri eşbütünleşmeyi desteklemezken Kao ADF testi reddetmiştir (ADF = −2,95; p=0{,}002); T=17 kısa olduğundan Pedroni düzeltmeleri güvenilir değildir ve bu sonuç dikkatle yorumlanmalıdır. Kesit bağımlılığını denetleyen CCEMG kestiricisiyle kamu sermayesi katsayısı 0,090 (SH 0,118; p=0{,}444) bulunmuş, MG kestiricisinde ise −0,105 (SH 0,080; p=0{,}189) çıkmıştır: iki kestiricide de anlamlı bir kamu sermayesi etkisi saptanmamıştır.

136.8 Sık hatalar ve tuzaklar

  • cips_gecikme = 0 seçmek. plm::cipstest 0 gecikmeyi desteklemez; form alanı bu yüzden en az 1 kabul eder ve 0 girişi "değer 1 ile 4 arasında olmalı" iletisiyle reddedilir (B1).
  • Zamanı ardışık olmayan kodlamak. Yılları 2'şer aralıklı kodlamak sorun değildir: şablon dönemleri 1, 2, … numaralar ve not satırı yazar; CIPS ve Dumitrescu–Hurlin sonuçları 1 adımlı yıllarla aynıdır. Bütün birimlerde bir dönem eksikse (eşit aralıksız dönemler) bir uyarı satırı yazılır ve CIPS ile Dumitrescu–Hurlin sonuçları o panelde güvenilir olmayabilir (B2).
  • Veri sekmesinde türün kategorik olması. y, x, zaman ya da birim sütunlarını kategorik işaretlemek sonucu değiştirmez (sayısal roller sayı olarak aktarılır; birim ve zaman sütunları metne çevrilir). Satırların karıştırılması da sonucu değiştirmez: şablon birim ve zamana göre sıralar (209).
  • Dengesiz panel. Pedroni ve Kao atlanır; Dumitrescu–Hurlin de ("dengeli panel ister" iletisiyle, tek satırda) atlanır, çünkü plm dengesiz panelde \bar Z ve \tilde Z'yi tanımlamaz (B3). İki gözlemi çıkarılmış ya da bir hücresi eksik panelde de bu olur; öbür adımlar çalışır.
  • Zaman metinse. zaman sütunu metin olduğunda dönemler alfabetik sıraya göre 1, 2, … numaralanır ve not satırı bunu söyler; Dumitrescu–Hurlin dahil bütün adımlar çalışır ve sonuç sayısal zamanla aynıdır (P01…P17). P1…P17 gibi sıfırsız etiketlerde P10 alfabetik olarak P2'den önce gelir: doğru kronolojik sıra için zamanı sayısal verin ya da etiketlerde sıfır doldurun (B4).
  • Bir birimde zaman içinde sabit açıklayıcı. Şablon yalnız bütün birimlerde sabit olanı reddeder (220). Tek bir birimde sabit olan açıklayıcı MG satırını NaN yapar; CIPS ve nedensellik de o değişken için başarısız olur. Şablon bunu önceden "Uyarı: '…' N birimde zaman içinde sabit (birim adları) …" satırıyla bildirir (225–231; B5).
  • Kısa T. T<10 iken CIPS, Pedroni/Kao ve DH atlanır; sonuç yalnız CD ve MG'dir. T=17'de bile Pedroni düzeltmeleri güvenilmezdir (136.4.3).
  • Pooled CD. cd_model = havuzlanmis iken CD istatistiği, Pesaran'ın ham çarpım tanımına göre değil Pearson korelasyonuyla hesaplanır ve çok farklı çıkabilir (30,64 ve 7,40); şablon bunu CD tablosunun altına bir not olarak yazar (B6).
  • Çok açıklayıcı. 7'den çok açıklayıcıda Pedroni yalnız ham istatistik verir; 9 açıklayıcıda CCE de atlanır (136.2).
  • Tek bir eşbütünleşme testine dayanmak. Pedroni ve Kao ayrışabilir (136.7); karar ikisine, T'ye ve ekonomik gerekçeye birlikte bakılarak verilir.
  • Westerlund testi yok. Şablon bunu açıkça yazar; hata düzeltme tabanlı bir test isteniyorsa bu şablon yeterli değildir.

136.9 Uzman soruları

S1. Kesit bağımlılığı varken neden CIPS, ADF ya da IPS değil?

IPS gibi birinci kuşak testler birimlerin bağımsız olduğunu varsayar; ortak bir şok varsa t_i'ler ilişkili olur ve ortalamanın dağılımı bozulur. CIPS, regresyona \bar y_{t-1} ve \Delta\bar y_t'yi ekleyerek tek ortak etkenin etkisini yaklaşık olarak ayıklar (Pesaran, 2007). Şablonda cips_model = mg seçilirse yöntem birinci kuşağa döner ve p değerleri artık anlamlı değildir (CIPS tablosu hâlâ Pesaran'ın tablosundan aradeğerlenir).

S2. CIPS'in p değeri neden hep 0,10 ya da 0,01?

Pesaran'ın (2007) tablosu yalnız %1, %5 ve %10 kritik değerlerini verir; cipstest bu kritik değerler arasında aradeğerleme yapar ve tablonun dışındaki istatistikler için 0,10 ya da 0,01 döndürür. Bu bir sınırlamadır, bir hata değildir; şablon bunu her çalıştırmada not eder (275).

S3. Pedroni testleri neden T=17'de güvenilmez ve şablon bunu nasıl yönetir?

Standartlaştırma sabitleri T\to\infty asimptotiğine göre hesaplanır; kısa panelde istatistik dağılımları N(0{,}1)'den belirgin sapar. Şablon T<50 ise sonuç metnine bu uyarıyı yazar (353) ama yine de p değerlerini üretir. Raporlarken T ve bu uyarı birlikte verilmelidir; sonuç gerekirse benzetimle ya da Kao ile karşılaştırılır.

S4. Dumitrescu–Hurlin hangi hipotezi sınar ve Ztilde ile Zbar neden farklı?

H_0 "hiçbir birimde x y'yi Granger-nedensel etkilemiyor" (homojen yokluk); H_1 en az bir birimde etkiler (heterojen). \bar Z büyük T asimptotiğidir, \tilde Z küçük T ve N düzeltmesidir (Dumitrescu ve Hurlin, 2012). T=17, K=1'de \tilde Z daha küçüktür (6,03'e karşı 9,11); küçük örneklemde \tilde Z tercih edilir.

S5. Pedroni ve Kao arasındaki fark ne zaman karar değiştirir?

Kao tek ortak eğim ve tek birleştirilmiş ADF regresyonu kullanır; birimlerin eğimleri farklıysa \hat e_{it} yanlış tanımlıdır ve Kao eşbütünleşme yokken bile ret eğilimi gösterebilir. Pedroni birime özgü eğim kestirir. Bu veride Kao reddeder, Pedroni reddetmez: eğimlerin heterojen olması (MG ile CCEMG'nin farklı çıkması) bu ayrışmayla uyumludur. İki test ayrıştığında Kao'nun ortak eğim varsayımını MG sonuçlarıyla birlikte değerlendirmek gerekir.

S6. CCEP'in standart hatası neden parametrik olmayan?

Pesaran (2006), ortak etkenin birim yüklerini kestirmeden (\bar{\mathbf M}_i ile ayıklanır) eğimin asimptotik varyansını birim eğimlerinin yayılmasından kestirir: \hat{\boldsymbol\Psi}^{-1}\hat{\mathbf R}\hat{\boldsymbol\Psi}^{-1}/N. Bu formül hata varyansının birimler arası heterojenliğine ve eğim heterojenliğine karşı sağlamdır; N küçükken değişken olabilir.

S7. AMG'nin \hat\mu_t'si neden ortak dinamik süreç sayılır?

Havuzlanmış birinci fark regresyonundaki dönem kuklası katsayısı, bütün birimlerin \Delta y_{it}'sinin açıklayıcılardan arındırılmış dönem ortalamasıdır: ortak etkenin zaman yolunu kestirir (Eberhardt ve Teal, 2010). Birim regresyonlarına bir regresör olarak girer ve her birimin yükü d_i serbesttir. Şablon bu yöntemi bağımsız yayımlanmış bir sayısal örnekle doğrulayamamıştır (yalnız yeniden hesapla).

S8. `cd_model` seçimi neden sonucu değiştirir?

bireysel her birim için ayrı katsayılı regresyonun artıklarını, havuzlanmis tek ortak katsayılı regresyonun artıklarını, sabit_etkiler birim ortalamasından sapmayla ortak eğimli regresyonun artıklarını kullanır. Ortak eğim kısıtı birimler arası ilişkiyi artık içine taşır; artıklar daha çok ilişkili görünür. Örnekte model artıklarında CD: bireysel 40,20; havuzlanmış 30,64; sabit etkiler 30,37 (doğrulama tablosunda).

136.10 Kaynaklar

Breusch, T. S. ve Pagan, A. R. (1980). The Lagrange multiplier test and its applications to model specification in econometrics. The Review of Economic Studies, 47(1), 239–253. https://doi.org/10.2307/2297111

Croissant, Y. ve Millo, G. (2008). Panel data econometrics in R: The plm package. Journal of Statistical Software, 27(2). https://doi.org/10.18637/jss.v027.i02

Croissant, Y. ve Millo, G. (2018). Panel data econometrics with R. Wiley. (Yazılım kaydındaki atıf.)

Dumitrescu, E.-I. ve Hurlin, C. (2012). Testing for Granger non-causality in heterogeneous panels. Economic Modelling, 29(4), 1450–1460. https://doi.org/10.1016/j.econmod.2012.02.014

Eberhardt, M. ve Teal, F. (2010). Productivity analysis in global manufacturing production (Economics Series Working Paper 515). University of Oxford.

Granger, C. W. J. (1969). Investigating causal relations by econometric models and cross-spectral methods. Econometrica, 37(3), 424–438. https://doi.org/10.2307/1912791

Kao, C. (1999). Spurious regression and residual-based tests for cointegration in panel data. Journal of Econometrics, 90(1), 1–44. https://doi.org/10.1016/S0304-4076(98)00023-2

Munnell, A. H. (1990). Why has productivity growth declined? Productivity and public investment. New England Economic Review, Ocak/Şubat, 3–22.

Pedroni, P. (1999). Critical values for cointegration tests in heterogeneous panels with multiple regressors. Oxford Bulletin of Economics and Statistics, 61(S1), 653–670. https://doi.org/10.1111/1468-0084.0610s1653

Pedroni, P. (2004). Panel cointegration: Asymptotic and finite sample properties of pooled time series tests with an application to the PPP hypothesis. Econometric Theory, 20(3), 597–625. https://doi.org/10.1017/S0266466604203073

Pesaran, M. H. (2006). Estimation and inference in large heterogeneous panels with a multifactor error structure. Econometrica, 74(4), 967–1012. https://doi.org/10.1111/j.1468-0262.2006.00692.x

Pesaran, M. H. (2007). A simple panel unit root test in the presence of cross-section dependence. Journal of Applied Econometrics, 22(2), 265–312. https://doi.org/10.1002/jae.951

Pesaran, M. H. (2021). General diagnostic tests for cross-sectional dependence in panels. Empirical Economics, 60(1), 13–50. https://doi.org/10.1007/s00181-020-01875-7

Pesaran, M. H. ve Smith, R. (1995). Estimating long-run relationships from dynamic heterogeneous panels. Journal of Econometrics, 68(1), 79–113. https://doi.org/10.1016/0304-4076(94)01644-F

Westerlund, J. (2007). Testing for error correction in panel data. Oxford Bulletin of Economics and Statistics, 69(6), 709–748. https://doi.org/10.1111/j.1468-0084.2007.00477.x

Yazılım: R 4.5.3; plm 2.6-7 ("yazılım kaydı").