MerQuR+Başvuru Kitabı

224. Panel ek testler

Şablon kimliği: panel_ek_testler · Kategori: nedensel · Dil: R · Dosya: pro/sablonlar/nedensel/panel_ek_testler.R (satır 1–688; üstbilgi 1–319) · Örnek veri: _ornek/panel_ek_testler.csv · Paketler: plm 2.6-7, lmtest 0.9-40, sandwich 3.1-3; Fisher-Johansen için urca 1.3-4

224.1 Ne işe yarar

Uzun biçimli panel verisinde (birim, zaman, değişkenler) on beş testi ya da kestiriciyi tek şablonda, her biri ayrı onay kutusuyla çalıştırır. Hepsi aynı veri düzenini ve aynı y, x seçimlerini kullanır; hangi sorunun sorulduğuna göre sekiz grupta toplanır:

Grup Test ya da kestirici Sorulan soru
1. Panel birim kök Levin-Lin-Chu, Breitung, Harris-Tzavalis, Hadri; karşılaştırma için Im-Pesaran-Shin ve Maddala-Wu Seriler durağan mı?
2. İlişkili rassal etki (CRE) Mundlak ya da Chamberlain; ek terimlerin sıfırlığına Wald testi Birim etkisi açıklayıcılarla ilişkili mi?
3. Panel araç değişkenleri FE-2SLS, EC2SLS, G2SLS; birinci aşama F, Sargan Açıklayıcı içsel olduğunda katsayı nedir?
4. Standart hata karşılaştırması Klasik, birim kümelenmiş, Driscoll-Kraay, çift yönlü kümelenmiş Katsayının belirsizliği kesit ve zaman bağımlılığına duyarlı mı?
5. PCSE Panel düzeltmeli standart hata (isteğe bağlı AR(1)) Eşzamanlı kesit korelasyonuna dayanıklı SH
6. Panel FGLS Parks-Kmenta ya da plm::pggls Genelleştirilmiş en küçük kareler (GLS) kestirimi
7. Hausman Klasik ya da dayanıklı Sabit mi, rassal etki mi?
8. Fisher-Johansen Birim başına Johansen, Fisher birleştirmesi Panelde eşbütünleşme var mı?

Ne zaman kullanılır? Panel ön analizinde ("seriler durağan mı, sabit etki mi yeter, standart hatalar hangi bağımlılığa göre düzeltilmeli") birkaç testin yan yana ve aynı veri hazırlığıyla görülmesi istendiğinde; yöntem seçimini belgelemek gerektiğinde.

Ne zaman kullanılmaz?

  • Yalnız panel eşbütünleşme ve kesit bağımlılığına dayanıklı testler (CD, CIPS, Pedroni, Kao, CCE) isteniyorsa: panel_esbutunlesme şablonu. Bu şablonun birim kök testleri ve Fisher-Johansen birimlerin bağımsız olduğunu varsayar (224.4.1, 224.4.8).
  • Dinamik panelde (bağımlı değişkenin gecikmesi açıklayıcı) kestirim: dinamik_panel_gmm şablonu; bu şablonun FE ve RE kestiricileri T küçükken gecikmeli bağımlı değişken için yanlıdır.
  • Sayım ya da ikili bağımlı değişkenli panel için: panel_sayim şablonu (Bölüm 40) ve temel programın uygun analizi.
  • Uzamsal bağımlılık komşuluk matrisiyle modellenecekse: uzamsal_panel şablonu.
  • Tek bir zaman serisinde birim kök için: temel programdaki Unit Root Tests (DF-GLS / ERS / Ng-Perron / Zivot-Andrews), birim_kok_ailesi ve kirilmali_birim_kok şablonları.

Temel programla ilişki. Temel programda Panel Additional Tests and Estimators (menü adı) analizi aynı on beş testi aynı tanımlarla verir (stats/panel_ek.py: dayanıklı kovaryans düzeltmesi varsayılan HC0, Driscoll-Kraay gecikmesi Hoechle (2007) kuralı, Maddala-Wu p değeri için MacKinnon (1994), PCSE ve Parks için tek adım, Hausman'da mutlak değerli klasik istatistik). Bu şablon, aynı hesabı R'de (plm, urca) yapar, parametrelerin bir kısmını (ör. MacKinnon 1996 yaklaşımı, plm Driscoll-Kraay kuralı) seçenek olarak sunar ve çıktıyı kod panelinde betik olarak yinelenebilir kılar. Panel Data Regression analizi havuzlanmış, sabit etki, rassal etki ve birinci fark kestirimini; Hausman, F, Breusch-Pagan, seri korelasyon ve Pesaran CD testlerini; klasik ve birim kümelenmiş SH'yi içerir. Bu şablonun grupları 2–7 o analize ek yöntemler getirir (CRE, araç değişkenleri, Driscoll-Kraay, çift yönlü kümelenme, PCSE, FGLS).

Aynı şablonda on beş test: çoklu test

Şablon her testi kendi \alpha düzeyinde (alfa, varsayılan 0,05) ayrı ayrı "karar" sütunuyla raporlar; testler arasında çoklu test düzeltmesi yoktur. Üç seri ve altı birim kök testi 18 satır ve 18 ayrı karar üretir. Karar, tek bir testin değil testlerin tutarlılığının okunmasıyla verilmelidir (224.7).

224.2 Şablonun girdileri

Form, üstbilgideki 43 [[param]] bloğundan kurulur (panel_ek_testler.R:12–318).

Alan (form etiketi) · ad Tür · sekme Varsayılan Geçerli değerler Kodda etkisi
Bağımlı değişken y · y sayısal sütun · Değişkenler boş sayısal Bütün gruplar (325).
Açıklayıcı değişkenler · x sütunlar (sayısal) · Değişkenler boş en az 1, y olmamalı X1…Xp adlarıyla yeniden adlandırılır (347–349).
Birim · birim sütun · Değişkenler boş herhangi mq_kimlik ile metne çevrilir (355).
Zaman · zaman sütun · Değişkenler boş herhangi Sayıya çevrilebilirse sayı sırası, değilse metin sırası (350–354, 362).
İçsel açıklayıcılar · endojen sütunlar (sayısal) · Değişkenler boş açıklayıcıların alt kümesi Araç yöntemleri (326, 349).
Dışlanmış araçlar · araclar sütunlar (sayısal) · Değişkenler boş sayısı içsel sayısından az olamaz Araç yöntemleri (326, 340).
Birim kök: Levin-Lin-Chu · llc onay · Testler açık açık / kapalı 442.
Birim kök: Breitung · breitung onay · Testler açık açık / kapalı 443.
Birim kök: Hadri · hadri onay · Testler açık açık / kapalı 445.
Birim kök: Harris-Tzavalis · ht onay · Testler açık açık / kapalı 444.
Im-Pesaran-Shin ve Maddala-Wu · ips_fisher onay · Testler kapalı açık / kapalı 446–450.
İlişkili rassal etki · cre onay · Testler açık açık / kapalı 463.
FE-2SLS · fe2sls onay · Testler kapalı açık / kapalı 507, 517.
RE-2SLS (EC2SLS) · re2sls onay · Testler kapalı açık / kapalı 508.
G2SLS · g2sls onay · Testler kapalı açık / kapalı 509.
Driscoll-Kraay · dk onay · Testler açık açık / kapalı 545, 551.
Çift yönlü kümelenmiş · cift onay · Testler açık açık / kapalı 545, 552.
PCSE · pcse onay · Testler açık açık / kapalı 577.
Panel FGLS · fgls onay · Testler kapalı açık / kapalı 592.
Hausman · hausman onay · Testler açık açık / kapalı 617.
Fisher-Johansen · fj onay · Testler açık açık / kapalı 650.
Birim kök: deterministik terimler · ur_exo seçim · Model intercept intercept, trend, none 423; Hadri'de none sabit sayılır (445).
LLC, IPS, MW: gecikme seçimi · ur_gecikme seçim · Model SIC SIC, AIC, Hall, sabit plm::purtest(lags=) (424, 441).
En büyük gecikme · ur_pmax tamsayı · Model 4 0–12 pmax (425).
Sabit gecikme sayısı · ur_gecikme_sayisi tamsayı · Model 1 0–12 Yalnız sabit (424).
Birinci farkları da sına · ur_fark onay · Model kapalı açık / kapalı 426, 437–439.
Hadri: dayanıklı · hadri_hcons onay · Model açık açık / kapalı Hcons (445).
CRE: eklenen terimler · cre_tur seçim · Model mundlak mundlak, chamberlain 468–473.
CRE Wald: birim kümelenmiş · cre_dayanikli onay · Model açık açık / kapalı 479.
SH karşılaştırması: model · se_model seçim · Model within within, pooling, random 546.
Dayanıklı kovaryans düzeltmesi · se_tip seçim · Model HC0 HC0, sss type= (344).
Driscoll-Kraay gecikmesi · dk_gecikme tamsayı · Model 0 (otomatik) 0–50 548.
Driscoll-Kraay kuralı · dk_kural seçim · Model hoechle hoechle, plm 548.
Maddala-Wu p yaklaşımı · mw_p_yaklasim seçim · Model MacKinnon1994 MacKinnon1994, MacKinnon1996 p.approx (449).
PCSE ve Parks: otokorelasyon · ar1 seçim · Model yok yok, ortak 576.
FGLS türü · fgls_tur seçim · Model parks parks, genel 593.
plm::pggls modeli · fgls_model seçim · Model pooling pooling, within 595.
Hausman türü · hausman_tur seçim · Model klasik klasik, dayanikli 619.
Fisher-Johansen: deterministik terim · fj_ecdet seçim · Model const const, none, trend 652.
Fisher-Johansen: VAR gecikmesi K · fj_gecikme tamsayı · Model 2 2–8 652.
Fisher-Johansen: Monte Carlo tekrarı · fj_tekrar tamsayı · Gelişmiş 1000 200–20000 652.
Anlamlılık düzeyi · alfa seçim · Seçenekler 0.05 0.1, 0.05, 0.01 "karar" sütunları (343).
Tohum (0 = oturum tohumu) · tohum tamsayı · Gelişmiş 0 0–2147483647 376, 654.

Alanların türleri ve formun biçimsel denetimi ortak bölümde (Bölüm 1) anlatılmıştır.

Örnek ayar (ornek_param, satır 9): y = y, x = [x1, x2], birim = birim, zaman = yil, endojen = [x1], araclar = [z1, z2], fe2sls, re2sls, g2sls, fgls ve ips_fisher açık, fj_tekrar = 200; diğer alanlar varsayılandır (varsayılanlarda açık olan llc, breitung, hadri, ht, cre, dk, cift, pcse, hausman, fj de çalışır).

Şablonun kendi denetimleri (mq_hata, .dene, .dengeli_ist):

Koşul İleti (özet) Satır
Veri açık değil "Önce Veri sekmesinde bir veri açın." 323
Hiçbir test işaretli değil "En az bir test için onay kutusunu işaretleyin." 329
Açıklayıcı yok; y, birim ya da zaman seçilmemiş ilgili ileti 330–331
y açıklayıcıda; birim ve zaman aynı; birim ya da zaman değişken olarak da seçilmiş ilgili ileti 332–334
İçsel açıklayıcı açıklayıcılardan seçilmemiş; araç açıklayıcıda ya da y ilgili ileti 335–336
Araç yöntemi açık, içsel yok ya da araç sayısı içsel sayısından az ilgili ileti 339–340
Fisher-Johansen açık, urca kurulu değil "'urca' paketi gerekli." 342
Seçilen sütunlarda hiç tam gözlem yok "Tam gözlem yok" 358
Aynı birim ve zaman için birden çok satır "…her birim-dönem tek satır olmalı." 361
2'den az birim; 4'ten az dönem ilgili ileti 368–369
Bir birimin gözlem sayısı < açıklayıcı sayısı +3 "…çok az." 370
Sabit sütun "'…' sabit; kullanılamaz." 371
Dengesiz panelde Breitung, Harris-Tzavalis, Hadri, LLC, PCSE, Parks, Fisher-Johansen atlanır, çıktıya not düşer 378, 429, 469, 577, 600, 650
T< gecikme +6 LLC, IPS, Maddala-Wu atlanır 427–428
pggls için N<T; Parks için T<N "…gerek" 594, 601
Bir test hesaplanamazsa "… hesaplanamadı: …" 377

Her test .dene içinde çalışır; bir testin hatası ötekileri durdurmaz, iletisi çıktıya yazılır (377). Sayısal rol sütunları mq_sayisal ile sayı olarak okunur; ondalık virgüllü metin sütunu "ondalık ayırıcı nokta olmalıdır" iletisiyle durur (356). Eksik değerli satırlar atılır ve atılan satır sayısı çıktıda bildirilir (359, 373–375).

224.3 Örnek veri

panel_ek_testler.csv sentetiktir (lisans CC0; üretim tohumu 20261120; plm'in Grunfeld verisi kopyalanmamıştır): N=12 birim (B01–B12), T=60 dönem (2001–2060), 720 gözlem, eksik değer yok.

Değişken Rol Tür (veri sekmesinin algıladığı) Özet
birim birim kategorik 12 düzey (B01…B12)
yil zaman sayısal 2001–2060
y bağımlı sayısal ort. 2,72; ss 5,03; [-10{,}94;\,16{,}94]
x1 açıklayıcı; içsel sayısal ort. 3,62; ss 5,50
x2 açıklayıcı sayısal ort. -0{,}62; ss 3,53
z1, z2 dışlanmış araçlar sayısal ort. 4,31 ve 1,91; ss 5,47 ve 4,70

Korelasyonlar: \mathrm{cor}(y,x_1)=0{,}906, \mathrm{cor}(y,x_2)=-0{,}013, \mathrm{cor}(x_1,z_1)=0{,}816, \mathrm{cor}(x_1,z_2)=0{,}302. Düzey sırası kategorik birim için ilk görülme sırasıdır; sıra sonucu etkilemez, yalnız çıktıdaki birim sırasını belirler. Veri birim-ana ve zaman sıralıdır; şablon yine de birim ve zaman sırasına göre yeniden sıralar (362–363).

Bu bölümde çalıştırmalar (hepsi tohum 7; ek ayarlar sağda):

Koşu Ayar
p_ornek Örnek ayar
p_trend, p_none ur_exo = trend / none; yalnız birim kök testleri (ips_fisher açık)
p_ar1 ar1 = ortak; PCSE ve Parks
p_mw96 mw_p_yaklasim = MacKinnon1996, ur_fark açık
p_dkplm dk_kural = plm, hausman_tur = dayanikli
p_fj2000 fj_tekrar = 2000
p_veri2, p_veri2_ch İkinci sentetik panel (N=30, T=6; tests/pro/referans/panel_ek_testler_veri2.csv) ve cre_tur = chamberlain

224.4 Yöntem: formüller ve hesap adımları

224.4.1 Veri düzeni

Birim kimliği mq_kimlik ile metne çevrilir; zaman sayıya çevrilebiliyorsa sayısal sıra, çevrilemiyorsa metin değerlerinin alfabetik sırası kullanılır (350–354). Zaman değerlerinin sıra numarası t=1,\dots,T olur (362). Veri (i,t)'ye göre sıralanır ve N, T, birim başına gözlem sayıları T_i ve dengeli olup olmadığı (T_i=T\ \forall i) hesaplanır (365–367). Açıklayıcılar X_1,\dots,X_p, araçlar Z_1,\dots adıyla çalışılır.

Bütün gruplarda ortak simgeler: \bar x_i=T_i^{-1}\sum_tx_{it}; içsel dönüşüm \tilde x_{it}=x_{it}-\bar x_i; n=\sum_iT_i; K: eğim katsayısı sayısı.

224.4.2 Panel birim kök testleri

Üç aile vardır: sıfır hipotezi ortak birim kök olanlar (LLC, Breitung, Harris-Tzavalis), birime özgü birim kök olanlar (IPS, Maddala-Wu) ve sıfır hipotezi durağanlık olan (Hadri). Birim kök sıfırı olanlarda küçük p durağanlığı, Hadri'de küçük p birim kökü gösterir (ekle, 431–436).

Breitung (2000), UB istatistiği (ön beyazlatmasız; 388–404). Birim başına \Delta y_t ve y_{t-1} dönüştürülür; birimler birleştirilir:

a_{it}=\Delta y_{it},\quad b_{it}=y_{i,t-1}-y_{i1}\qquad(\texttt{intercept});\qquad a_{it},\ b_{it}\ \text{ileri ortogonal ve eğilim çıkarılmış}\qquad(\texttt{trend})

Eğilim durumunda (395–396): a_{is}=\sqrt{\tfrac{m-s}{m-s+1}}\Bigl(\Delta y_{is}-\tfrac{1}{m-s}\sum_{r>s}\Delta y_{ir}\Bigr), m=T-1, s=1,\dots,m-1 ve b_{is}=y_{is}-y_{i1}-\tfrac{s-1}{T-1}(y_{iT}-y_{i1}). Sabitsiz durumda a=\Delta y, b=y_{t-1}.

\hat\rho=\frac{\sum a\,b}{\sum b^2},\qquad \hat\sigma^2=\frac{\sum(a-\hat\rho\,b)^2}{\#a},\qquad \lambda=\frac{\hat\rho}{\sqrt{\hat\sigma^2/\sum b^2}}\ \overset{a}{\sim}\ N(0{,}1),\quad p=\Phi(\lambda)

Gecikme farkı eklenmez; dengeli panel gerekir.

Harris-Tzavalis (1999) (405–421). T_p=T-1 AR(1) regresyonundaki dönem sayısıdır. Birim ortalamaları (ya da eğilim) çıkarıldıktan sonra \hat\rho=\sum y_{t-1}y_t/\sum y_{t-1}^2 ve

z=\frac{\hat\rho-\mu}{\sqrt{v}},\qquad \mu=\begin{cases}1&\texttt{none}\\1-\dfrac{3}{T_p+1}&\texttt{intercept}\\1-\dfrac{15}{2(T_p+2)}&\texttt{trend}\end{cases},\qquad v=\begin{cases}\dfrac{2}{NT_p(T_p-1)}\\[2mm]\dfrac{3(17T_p^2-20T_p+17)}{5N(T_p-1)(T_p+1)^3}\\[2mm]\dfrac{15(193T_p^2-728T_p+1147)}{112N(T_p+2)^3(T_p-2)}\end{cases}

p=\Phi(z) (sol kuyruklu). T sabit, N\to\infty asimptotiğidir.

Hadri (2000) (plm::purtest, 445). Birim başına seri sabite (ya da sabit ve eğilime) regres edilir; kalıntıların birikimli toplamları S_{it} ile LM=\dfrac1N\sum_i\dfrac1{T^2}\dfrac{\sum_tS_{it}^2}{\hat\sigma_i^2} (değişen varyansa dayanıklı, \hat\sigma_i^2=T^{-1}\sum_te_{it}^2; hadri_hcons açık) ya da \hat\sigma^2 ortak (kapalı). İstatistik

z=\frac{\sqrt N\,(LM-\xi)}{\zeta},\qquad (\xi,\zeta^2)=\Bigl(\tfrac16,\tfrac1{45}\Bigr)\ (\text{sabit}),\quad\Bigl(\tfrac1{15},\tfrac{11}{6300}\Bigr)\ (\text{sabit ve eğilim})

ve p=1-\Phi(z) (sağ kuyruklu). Hadri için ur_exo = none seçilirse sabit kullanılır; tablo başlığı yine "deterministik terim yok" yazar (445, 456).

Levin-Lin-Chu (2002), Im-Pesaran-Shin (2003), Maddala-Wu (1999) plm::purtest ile çalışır (441–449). Birim başına ADF regresyonu \Delta y_{it}=\rho_iy_{i,t-1}+\sum_{l=1}^{p_i}\theta_{il}\Delta y_{i,t-l}+\text{(sabit/eğilim)}+\varepsilon_{it} ve gecikme p_i SIC, AIC ya da Hall ölçütüyle (en çok ur_pmax) ya da sabit seçilir. LLC, ortak \rho'yu birleştirilmiş regresyonla kestirir ve uzun dönem varyansına dayalı t^* istatistiği verir; IPS, birimlerin ADF t istatistiklerinin ortalamasını yayımlanmış moment tablolarıyla standartlaştırır; Maddala-Wu P=-2\sum_i\ln p_i\sim\chi^2_{2N} ile birim p değerlerini birleştirir (p_i: MacKinnon 1994 ya da 1996 yaklaşımı). Bu üç testin düzeltme sabitleri plm içindedir ve bölümde yeniden türetilmemiştir (224.6). IPS, "deterministik terim yok" seçeneğinde tanımlı değildir ve atlanır (448). T< gecikme +6 iken bu üç test atlanır (427–428). ur_fark açıksa aynı testler birinci farklara da uygulanır (437–439).

224.4.3 İlişkili rassal etki (Mundlak, Chamberlain)

Rassal etki modeli y_{it}=\alpha+\mathbf x_{it}'\boldsymbol\beta+u_i+e_{it}, birim etkisinin \mathbf x'ten bağımsız olmasını varsayar. CRE bu varsayımı gevşetir: birim etkisi u_i=\bar{\mathbf x}_i'\boldsymbol\pi+v_i (Mundlak, 1978); Chamberlain (1982) sürümünde \bar{\mathbf x}_i yerine her dönemin değerleri \mathbf x_{i1},\dots,\mathbf x_{iT} eklenir. Model rassal etki GLS'siyle kestirilir (aşağıda \theta); zaman içinde değişen değişkenlerin katsayısı dengeli panelde sabit etki kestirimine eşittir.

y_{it}=\alpha+\mathbf x_{it}'\boldsymbol\beta+\bar{\mathbf x}_i'\boldsymbol\pi+v_i+e_{it},\qquad H_0:\ \boldsymbol\pi=\mathbf 0,\qquad W=\hat{\boldsymbol\pi}'\hat{\mathbf V}_\pi^{-1}\hat{\boldsymbol\pi}\ \sim\ \chi^2_{\dim\pi}
  • \hat{\mathbf V}_\pi: birim kümelenmiş (varsayılan, cre_dayanikli açık) ya da klasik kovaryansın ilgili bloğu (Wooldridge, 2010, Bölüm 10.7).
  • W'nin reddi birim etkisinin açıklayıcılarla ilişkili olduğunu gösterir: sabit etki (ya da CRE) tercih edilir. Zaman içinde değişmeyen açıklayıcılar \bar{\mathbf x}_i'e dahil edilmez (464–466).

Rassal etki GLS'si (Swamy ve Arora, 1972; 476). Dengeli panelde \hat\sigma_e^2=\mathrm{SKT}_{\text{içsel}}/(n-N-K), \hat\sigma_b^2=\mathrm{SKT}_{\text{arası}}/(N-r) (r: arası regresyonun rank'ı), \hat\sigma_u^2=\max\{0,\hat\sigma_b^2-\hat\sigma_e^2/T\} ve

\hat\theta=1-\sqrt{\frac{\hat\sigma_e^2}{\hat\sigma_e^2+T\hat\sigma_u^2}},\qquad y_{it}-\hat\theta\bar y_i\ \text{üzerine}\ (1-\hat\theta),\ x_{it}-\hat\theta\bar x_i\ \text{ile en küçük kareler}

Dengesiz panelde Wallace-Hussain yöntemi kullanılır (475–476) ve çıktıya not edilir. Chamberlain'de arası regresyonun sütun sayısı 1+K+KT'dir; N bundan küçükse plm "kestirilemez" hatası verir ve çıktıda "CRE hesaplanamadı" yazar (224.8).

224.4.4 Panel araç değişkenleri

Model y_{it}=\mathbf x_{it}'\boldsymbol\beta+\alpha_i+e_{it}; içsel açıklayıcılar endojen, dışlanmış araçlar araclar; dışsal açıklayıcılar kendi araçlarıdır (501).

FE-2SLS. İçsel dönüşümden sonra iki aşamalı en küçük kareler: \hat{\boldsymbol\beta}=(\tilde{\mathbf X}'\mathbf P_{\tilde Z}\tilde{\mathbf X})^{-1}\tilde{\mathbf X}'\mathbf P_{\tilde Z}\tilde{\mathbf y}, \mathbf P_{\tilde Z}: \tilde{\mathbf Z}=[\tilde{\mathbf X}_{\text{dışsal}},\tilde{\mathbf Z}_{\text{araç}}] üzerine izdüşüm; \hat\sigma^2=\hat{\mathbf u}'\hat{\mathbf u}/(n-N-K). Birim etkisi içsel olabilir.

EC2SLS (Baltagi ve Li, 1992) ve G2SLS (Balestra ve Varadharajan-Krishnakumar, 1987) rassal etki GLS dönüşümü (\theta) üstünde 2SLS yapar ve birim etkisinin araçlarla ilişkisiz olduğunu varsayar. EC2SLS araç kümesi [\tilde{\mathbf Z},\ \bar{\mathbf Z}_i] (içsel ve arası bileşenler ayrı), G2SLS araç kümesi dönüştürülmüş \mathbf Z-\theta\bar{\mathbf Z}'dir (plm, inst.method = "baltagi" ve "bvk"; 508–509). Doğrulamada plm'in varyans bileşenleri şu tanımla yeniden üretilmiştir: \hat\sigma_e^2 FE-2SLS kalıntılarından, \hat\sigma_b^2 arası regresyonun 2SLS kalıntılarından (N-3 serbestlik derecesi); \hat\theta=0{,}9111 (düz rassal etkide 0{,}9106).

Tanılar (517–541). Her içsel e için birinci aşama kısmi F: dışlanmış araçların içsel dönüşümlü \tilde e üstündeki katkısı, F=\dfrac{(\mathrm{SKT}_r-\mathrm{SKT}_u)/q}{\mathrm{SKT}_u/(n-N-k_Z)}, q: dışlanmış araç sayısı. Sargan aşırı belirleme testi (yalnız araç sayısı içsel sayısından fazlaysa): J=\hat{\mathbf u}'\mathbf P_{\tilde Z}\hat{\mathbf u}\big/(\hat{\mathbf u}'\hat{\mathbf u}/n)\sim\chi^2_{q-\#\text{içsel}}.

224.4.5 Standart hata karşılaştırması

Seçilen model (se_model; varsayılan sabit etki) kestirilir; katsayılar aynı kalır, yalnız kovaryans değişir. \mathbf A=(\tilde{\mathbf X}'\tilde{\mathbf X})^{-1}, \mathbf h_{it}=\tilde{\mathbf x}_{it}\hat e_{it} ve her kovaryans \mathbf A\,\mathbf M\,\mathbf A biçimindedir (HC0 düzeltmesi, se_tip = HC0):

Tür Orta matris \mathbf M Dayanıklı olduğu bağımlılık
Klasik \hat\sigma^2\tilde{\mathbf X}'\tilde{\mathbf X} yok
Birim kümelenmiş (Arellano, 1987) \sum_i\bigl(\sum_t\mathbf h_{it}\bigr)\bigl(\sum_t\mathbf h_{it}\bigr)' birim içi zaman bağımlılığı
Driscoll-Kraay (1998) \sum_{j=-m}^{m}w_j\sum_t\mathbf H_t\mathbf H_{t-j}', \mathbf H_t=\sum_i\mathbf h_{it}, w_j=1-|j|/(m+1) eşzamanlı kesit bağımlılığı ve dönemler arası ilişki
Çift yönlü (Cameron, Gelbach ve Miller, 2011) \mathbf M_{\text{birim}}+\mathbf M_{\text{zaman}}-\mathbf M_{\text{White}} iki yönlü kümelenme

Driscoll-Kraay gecikmesi dk_gecikme = 0 iken kurala göre belirlenir: hoechle (varsayılan; Hoechle, 2007; Newey ve West, 1994): m=\lfloor4(T/100)^{2/9}\rfloor; plm: m=\lfloor T^{1/4}\rfloor (plm::vcovSCC varsayılanı, yazılım uygulaması) (548). T=60'ta kurallar 3 ve 2 verir. t istatistiğinin serbestlik derecesi modelin n-N-K'sıdır (547); Driscoll-Kraay ve çift yönlü kümelenme büyük T ve büyük N ister.

224.4.6 PCSE ve panel FGLS

Dengeli panelde havuzlanmış model y_{it}=\alpha+\mathbf x_{it}'\boldsymbol\beta+e_{it} EKK ile kestirilir. \hat{\mathbf E} (N\times T) kalıntı matrisi, \hat{\boldsymbol\Sigma}=\hat{\mathbf E}\hat{\mathbf E}'/T (N\times N) eşzamanlı kesit kovaryansıdır.

\widehat{\mathrm{Var}}_{\text{PCSE}}(\hat{\boldsymbol\beta})=(\mathbf X'\mathbf X)^{-1}\Bigl(\sum_{t=1}^T\mathbf X_t'\hat{\boldsymbol\Sigma}\mathbf X_t\Bigr)(\mathbf X'\mathbf X)^{-1}

\mathbf X_t: t döneminin N satırı (564–591; Beck ve Katz, 1995). Kestirim EKK'dir; yalnız SH değişir. ar1 = ortak seçilirse ortak \hat\rho=\sum\sum e_{it}e_{i,t-1}/\sum\sum e_{i,t-1}^2 (574) ile Prais-Winsten dönüşümü (565–573) uygulanır: ilk gözlem \sqrt{1-\rho^2} ile, öteki gözlemler z_t-\rho z_{t-1} ile.

Parks-Kmenta (1967; 600–613): T\ge N ve dengeli panel gerekir. \hat{\boldsymbol\Sigma} EKK (ve AR(1) seçiliyse dönüştürülmüş) kalıntılarından kestirilir ve tek adımlı GLS uygulanır: \hat{\boldsymbol\beta}=\bigl(\mathbf X'(\hat{\boldsymbol\Sigma}^{-1}\otimes\mathbf I_T)\mathbf X\bigr)^{-1}\mathbf X'(\hat{\boldsymbol\Sigma}^{-1}\otimes\mathbf I_T)\mathbf y (birim-ana sıralama). Iterasyon yoktur. fgls_tur = genel ise plm::pggls birim içi T\times T kovaryansı serbest kestirir (N\ge T gerekir).

224.4.7 Hausman testi

H=(\hat{\boldsymbol\beta}_{FE}-\hat{\boldsymbol\beta}_{RE})'\bigl[\hat{\mathbf V}_{FE}-\hat{\mathbf V}_{RE}\bigr]^{-1}(\hat{\boldsymbol\beta}_{FE}-\hat{\boldsymbol\beta}_{RE})\ \sim\ \chi^2_K

Klasik test plm::phtest(fe, re) ile yapılır (619): \hat{\mathbf V}_{RE}, rassal etki GLS regresyonunun kendi kalıntı varyansıyla hesaplanır. \hat{\mathbf V}_{FE}-\hat{\mathbf V}_{RE} pozitif tanımlı değilse plm işaretsiz (mutlak değerli) bir istatistik üretir; şablon bu durumda yalnız bir konsol uyarısı yazar (624) ve "karar" sütunu yine verilir (224.8). dayanikli seçeneği plm::phtest(method = "aux", vcov = …) ile yardımcı regresyondur (birim kümelenmiş); örnek veride bu değer, CRE Mundlak dayanıklı Wald değerine eşittir (78{,}1156).

224.4.8 Fisher-Johansen panel eşbütünleşme

Her birim için K gecikmeli Johansen (1991) azaltılmış rank kestirimi (urca::ca.jo, spec = "longrun"): \Delta\mathbf x_t ve \mathbf x_{t-K} (kısıtlı sabitle) K-1 gecikmeli fark üstüne regres edilir; kalıntı kovaryansları \mathbf S_{00},\mathbf S_{0K},\mathbf S_{KK} ile özdeğerler \hat\lambda_1\ge\hat\lambda_2\ge\cdots ve

\mathrm{iz}(r_0)=-n_e\sum_{i=r_0+1}^{m}\ln(1-\hat\lambda_i),\qquad \lambda_{\max}(r_0)=-n_e\ln(1-\hat\lambda_{r_0+1}),\qquad H_0:\ r\le r_0

hesaplanır (m=1+p değişken; n_e=T-K). Birim p değerleri MacKinnon-Haug-Michelis (1999) tabloları yerine Monte Carlo ile bulunur (şablon bu tablolara erişemediğini üstbilgide belirtir): H_0 altında m-r_0 boyutlu bağımsız Gauss rassal yürüyüşlerinden (T uzunlukta, fj_tekrar tekrar) aynı istatistik üretilir ve p_i=(1+\#\{S^*\ge S_i\})/(R+1) alınır (656–660). Birleştirme Fisher (Maddala ve Kim, 1998):

F=-2\sum_{i=1}^{N}\ln p_i\ \sim\ \chi^2_{2N}\quad(H_0:\ \text{hiçbir birimde}\ r>r_0)

Koddaki tercih

Benzetim önbelleği. Benzetim, her boyut m için bir kez üretilir ve bütün birimler ve hem iz hem özdeğer istatistiği aynı çekimlerle karşılaştırılır (sim önbelleği, 655–660). Birim p değerleri bu nedenle birbirinden bağımsız değildir ve benzetim hatası birimler arasında aynı yöndedir; Fisher istatistiğinin Monte Carlo hatası birimlerin sayısıyla küçülmez (224.8). Üretilen süreçte kısa dönem dinamiği ve sürüklenme yoktur; gözlenen veride K gecikmeli fark kalıntılandırılır. Johansen hesabı .jo işleviyle yapılır (634–647; ca.jo ile aynı indirgenmiş rank, 1 boyutlu sistemi de kapsar). En küçük p değeri 1/(R+1)'dir.

224.4.9 Karar sütunları

alfa (0{,}10;\,0{,}05;\,0{,}01) birim kök, CRE, Hausman testlerinin "karar" metnini belirler (343, 432–436, 492, 626). Karar sütunu istatistiğin tek başına anlamını yazar; ek koşulları (varsayım ihlali, dengesizlik) kontrol etmez.

224.5 Kod adım adım

Satırlar Ne yapar Neden / dikkat
320–345 Paketler, doğrulama, testler bayrakları, \alpha, se_tip Hiçbir test işaretli değilse ya da araç sayısı yetmezse durur
346–386 Veri: yeniden adlandırma, tam gözlem, yinelenen anahtar, (i,t) sıralama, pdata.frame; yardımcılar .dene, .dengeli_ist, .genis, .tp Zaman metinse alfabetik sıra (350–354); eksik satır atılır
387–460 Birim kök: .breitung, .ht, plm::purtest çağrıları, ekle Değişken \times test tablosu ve karar
462–497 CRE Ortalama ya da dönem terimleri; Wald; FE ile karşılaştırma
499–542 Araç değişkenleri 3 kestirici; tanılar elle hesaplanır
544–561 Standart hata karşılaştırması vcov, vcovHC, vcovSCC, vcovDC
563–614 PCSE, Prais-Winsten, Parks-Kmenta, pggls Birim-ana sıralı yığın; döngüyle \sum_t\mathbf X_t'\mathbf S\mathbf X_t
616–631 Hausman phtest, FE ve RE katsayı tablosu, pozitif tanımlılık uyarısı
633–647 .jo: Johansen azaltılmış rank Yalnız Monte Carlo için
649–687 Fisher-Johansen Benzetim önbelleği, birim p, Fisher birleştirmesi

Tohum yalnız Fisher-Johansen'de kurulur (tohum_ayar, 376, 654): tohum > 0 ise set.seed(tohum), değilse oturum tohumu. Şablonun başka rastgele bileşeni yoktur.

224.6 Elle hesap: örnek veride bağımsız yeniden hesap

Bağımsız hesap dogrulama/panel_ek_testler/elle_hesap.py (numpy/scipy) ve r_dogrulama.R (taban R, sandwich::vcovCL, AER::ivreg, urca::ca.jo) dosyalarındadır. Şablonun işlevleri ve plm Python ayağında kullanılmamıştır. R ayağında LLC, IPS, Maddala-Wu, Hadri, EC2SLS, G2SLS ve Driscoll-Kraay/çift yönlü kovaryans için plm doğrudan çağrılmıştır: bu satırlarda R, şablonun kullandığı paketin aynısıdır ve bağımsız bir yeniden hesap değildir; bu testlerin bağımsız yeniden türetimi yoktur (yalnız ADF çekirdeği, aşağıda).

Adım 1 — Veri. N=12, T=60, n=720, dengeli.

Adım 2 — Birim kök (sabit terim, y). Breitung: \lambda=-2{,}62152, p=0{,}004377. Harris-Tzavalis: z=-5{,}87403, p=2{,}13\cdot10^{-9}. Hadri (dayanıklı): z=60{,}9201, p=0 (ortak varyansla 74{,}8677). x_1 için Breitung 0{,}3493 (p=0{,}637) ve HT -0{,}9526 (p=0{,}170): birim kök reddedilemez; x_2 için -2{,}6749 ve -3{,}3470: reddedilir. ADF çekirdeği: 12 birimin y serisinde plm::purtest'in birim başına t istatistiği ve SIC ile seçilen gecikme (en çok 4) bağımsız hesapla 12/12 eşleşir.

Adım 3 — FE ve RE. İçsel kestirim \hat\beta_{FE}=(0{,}80829;\ 0{,}48960), \hat\sigma_e^2=0{,}51939. Arası regresyondan \hat\sigma_u^2=1{,}07424, \hat\theta=0{,}91059. Rassal etki: (0{,}08497;\ 0{,}81174;\ 0{,}48973).

Adım 4 — Hausman. Fark (-0{,}003449;\ -0{,}000129), \mathrm{SH}(\text{fark})=(0{,}000704;\ 0{,}000744); H=30{,}6296 (\mathrm{sd}=2, p=2{,}2\cdot10^{-7}). \hat{\mathbf V}_{FE}-\hat{\mathbf V}_{RE} pozitif tanımlıdır.

Adım 5 — CRE (Mundlak). (\text{sabit},x_1,x_2,\overline{x_1},\overline{x_2})=(-0{,}6405;\ 0{,}8083;\ 0{,}4896;\ 0{,}2164;\ 0{,}0744); birim kümelenmiş SH (0{,}2872;\ 0{,}00823;\ 0{,}02289;\ 0{,}03761;\ 0{,}09262); Wald =78{,}1156 (2 sd, p=1{,}1\cdot10^{-17}). Klasik kovaryansla Wald 9{,}1675; dayanıklı ve klasik testin farkı büyüktür (224.8).

Adım 6 — FE-2SLS. (0{,}79601;\ 0{,}48534), SH (0{,}012122;\ 0{,}013523); birinci aşama kısmi F(2{,}705)=441{,}146; Sargan J=2{,}5431 (1 sd, p=0{,}1108). EC2SLS: (0{,}12281;\ 0{,}80062;\ 0{,}48583); G2SLS: (0{,}12818;\ 0{,}79905;\ 0{,}48527).

Adım 7 — Standart hatalar (sabit etki, x_1 / x_2): klasik 0{,}009026 / 0{,}013212; birim kümelenmiş 0{,}008234 / 0{,}022895; Driscoll-Kraay (m=3) 0{,}015803 / 0{,}014217; çift yönlü 0{,}012690 / 0{,}021706. Çift yönlü kovaryans, birim (0{,}008234), zaman (0{,}012933) ve White (0{,}008604) bileşenlerinden V_{birim}+V_{zaman}-V_{White} ile bulunur.

Adım 8 — PCSE ve Parks. PCSE kestirimi (-0{,}4011;\ 0{,}9516;\ 0{,}5227), SH (0{,}0941;\ 0{,}0109;\ 0{,}0091) (klasik EKK SH: 0{,}0566;\ 0{,}0092;\ 0{,}0144); Parks (-0{,}3421;\ 0{,}9248;\ 0{,}5221), SH (0{,}0441;\ 0{,}0046;\ 0{,}0032). Ortak AR(1) ile \hat\rho=0{,}8010.

Adım 9 — Johansen. Birim B01: özdeğerler (0{,}24925;\ 0{,}09338;\ 0{,}03063) ve kısıtlı sabit nedeniyle sıfır dördüncü özdeğer; iz (24{,}1178;\ 7{,}4902;\ 1{,}8046), özdeğer istatistiği (16{,}6275;\ 5{,}6856;\ 1{,}8046) (R urca: aynı).

Adım 10 — Monte Carlo. Bağımsız Python (2000 tekrar), R urca (400 tekrar) ve şablon (2000 tekrar, tohum 7) benzetimleriyle iz istatistiğinin %95 niceliği 2 boyutta 21{,}59 ve 21{,}74, 3 boyutta 38{,}24 ve 38{,}95; Fisher istatistikleri şablon ve bağımsız benzetimde 58{,}08 ve 57{,}02 (r\le0, iz) bulunmuştur (benzetim hatası içinde).

224.6.1 Doğrulama: MerQuR+, Python ve R

Büyüklük MerQuR+ Python (bağımsız) R (bağımsız) En büyük fark
Birim kök, y, Levin-Lin-Chu: istatistik (yalnız plm) −3,82713283 −3,82713283 −3,82713283 0 ✓
Birim kök, y, Levin-Lin-Chu: p (yalnız plm) 6,482228·10−5 6,482228·10−5 6,482228·10−5 0 ✓
Birim kök, y, Breitung: istatistik −2,62152056 −2,62152056 — 5,1e−16 ✓
Birim kök, y, Breitung: p 0,00437692 0,00437692 — 2,6e−18 ✓
Birim kök, y, Harris-Tzavalis: istatistik −5,87403074 −5,87403074 — 3,2e−15 ✓
Birim kök, y, Harris-Tzavalis: p 2,126622·10−9 2,126622·10−9 — 2,0e−22 ✓
Birim kök, y, Hadri: istatistik 60,92007522 60,92007522 60,92007522 4,7e−16 ✓
Birim kök, y, Hadri: p 0 0 0 0 ✓
Birim kök, y, Im-Pesaran-Shin: istatistik (yalnız plm) −3,23400509 −3,23400509 −3,23400509 0 ✓
Birim kök, y, Im-Pesaran-Shin: p (yalnız plm) 6,103364·10−4 6,103364·10−4 6,103364·10−4 7,5e−17 ✓
Birim kök, y, Maddala-Wu: istatistik (yalnız plm) 51,67483405 51,67483405 51,67483405 0 ✓
Birim kök, y, Maddala-Wu: p (yalnız plm) 8,624609·10−4 8,624609·10−4 8,624609·10−4 7,5e−17 ✓
Birim kök, x1, Levin-Lin-Chu: istatistik (yalnız plm) −2,70129176 −2,70129176 −2,70129176 0 ✓
Birim kök, x1, Levin-Lin-Chu: p (yalnız plm) 0,00345354 0,00345354 0,00345354 0 ✓
Birim kök, x1, Breitung: istatistik 0,34930072 0,34930072 — 3,3e−16 ✓
Birim kök, x1, Breitung: p 0,63656822 0,63656822 — 1,1e−16 ✓
Birim kök, x1, Harris-Tzavalis: istatistik −0,9526281 −0,9526281 — 7,7e−15 ✓
Birim kök, x1, Harris-Tzavalis: p 0,17038927 0,17038927 — 2,1e−15 ✓
Birim kök, x1, Hadri: istatistik 65,26353875 65,26353875 65,26353875 4,4e−16 ✓
Birim kök, x1, Hadri: p 0 0 0 0 ✓
Birim kök, x1, Im-Pesaran-Shin: istatistik (yalnız plm) −2,02552211 −2,02552211 −2,02552211 0 ✓
Birim kök, x1, Im-Pesaran-Shin: p (yalnız plm) 0,02140689 0,02140689 0,02140689 0 ✓
Birim kök, x1, Maddala-Wu: istatistik (yalnız plm) 49,06961683 49,06961683 49,06961683 0 ✓
Birim kök, x1, Maddala-Wu: p (yalnız plm) 0,00185648 0,00185648 0,00185648 1,0e−17 ✓
Birim kök, x2, Levin-Lin-Chu: istatistik (yalnız plm) −0,74097203 −0,74097203 −0,74097203 0 ✓
Birim kök, x2, Levin-Lin-Chu: p (yalnız plm) 0,2293552 0,2293552 0,2293552 0 ✓
Birim kök, x2, Breitung: istatistik −2,67493761 −2,67493761 — 1,7e−16 ✓
Birim kök, x2, Breitung: p 0,00373716 0,00373716 — 1,2e−17 ✓
Birim kök, x2, Harris-Tzavalis: istatistik −3,34700251 −3,34700251 — 6,6e−16 ✓
Birim kök, x2, Harris-Tzavalis: p 4,084524·10−4 4,084524·10−4 — 1,3e−17 ✓
Birim kök, x2, Hadri: istatistik 33,95548744 33,95548744 33,95548744 2,3e−15 ✓
Birim kök, x2, Hadri: p 5,061235·10−253 5,061235·10−253 5,061235·10−253 7,8e−265 ✓
Birim kök, x2, Im-Pesaran-Shin: istatistik (yalnız plm) −1,78435432 −1,78435432 −1,78435432 0 ✓
Birim kök, x2, Im-Pesaran-Shin: p (yalnız plm) 0,03718305 0,03718305 0,03718305 0 ✓
Birim kök, x2, Maddala-Wu: istatistik (yalnız plm) 33,47934244 33,47934244 33,47934244 0 ✓
Birim kök, x2, Maddala-Wu: p (yalnız plm) 0,09435655 0,09435655 0,09435655 0 ✓
Birim kök (sabit ve eğilim), y, Breitung: istatistik −3,55859659 −3,55859659 — 1,4e−15 ✓
Birim kök (sabit ve eğilim), y, Breitung: p 1,864208·10−4 1,864208·10−4 — 3,6e−17 ✓
Birim kök (sabit ve eğilim), y, Harris-Tzavalis: istatistik −6,38255101 −6,38255101 — 2,8e−16 ✓
Birim kök (sabit ve eğilim), y, Harris-Tzavalis: p 8,708099·10−11 8,708099·10−11 — 2,6e−26 ✓
Birim kök (sabit ve eğilim), y, Hadri: istatistik 40,5198967 40,5198967 40,5198967 4,9e−15 ✓
Birim kök (sabit ve eğilim), y, Hadri: p 0 0 0 0 ✓
Birim kök (sabit ve eğilim), x1, Breitung: istatistik 0,29445791 0,29445791 — 4,4e−16 ✓
Birim kök (sabit ve eğilim), x1, Breitung: p 0,61579599 0,61579599 — 4,4e−16 ✓
Birim kök (sabit ve eğilim), x1, Harris-Tzavalis: istatistik −0,34105676 −0,34105676 — 1,7e−16 ✓
Birim kök (sabit ve eğilim), x1, Harris-Tzavalis: p 0,36653043 0,36653043 — 1,7e−16 ✓
Birim kök (sabit ve eğilim), x1, Hadri: istatistik 53,28083122 53,28083122 53,28083122 5,3e−15 ✓
Birim kök (sabit ve eğilim), x1, Hadri: p 0 0 0 0 ✓
Birim kök (sabit ve eğilim), x2, Breitung: istatistik −0,62670939 −0,62670939 — 2,2e−16 ✓
Birim kök (sabit ve eğilim), x2, Breitung: p 0,26542487 0,26542487 — 2,8e−16 ✓
Birim kök (sabit ve eğilim), x2, Harris-Tzavalis: istatistik −0,8997599 −0,8997599 — 2,2e−16 ✓
Birim kök (sabit ve eğilim), x2, Harris-Tzavalis: p 0,18412402 0,18412402 — 0 ✓
Birim kök (sabit ve eğilim), x2, Hadri: istatistik 41,98880864 41,98880864 41,98880864 1,9e−15 ✓
Birim kök (sabit ve eğilim), x2, Hadri: p 0 0 0 0 ✓
Birim kök (terimsiz), y, Breitung: istatistik −1,69668398 −1,69668398 — 2,1e−15 ✓
Birim kök (terimsiz), y, Breitung: p 0,04487821 0,04487821 — 7,6e−17 ✓
Birim kök (terimsiz), y, Harris-Tzavalis: istatistik −2,11032709 −2,11032709 — 2,1e−16 ✓
Birim kök (terimsiz), y, Harris-Tzavalis: p 0,0174151 0,0174151 — 4,2e−17 ✓
Birim kök (terimsiz), x1, Breitung: istatistik 0,42345413 0,42345413 — 2,2e−16 ✓
Birim kök (terimsiz), x1, Breitung: p 0,66401802 0,66401802 — 1,1e−16 ✓
Birim kök (terimsiz), x1, Harris-Tzavalis: istatistik 0,34181097 0,34181097 — 3,3e−16 ✓
Birim kök (terimsiz), x1, Harris-Tzavalis: p 0,63375342 0,63375342 — 2,2e−16 ✓
Birim kök (terimsiz), x2, Breitung: istatistik −2,29878101 −2,29878101 — 3,9e−16 ✓
Birim kök (terimsiz), x2, Breitung: p 0,01075869 0,01075869 — 1,6e−17 ✓
Birim kök (terimsiz), x2, Harris-Tzavalis: istatistik −3,38723847 −3,38723847 — 3,9e−15 ✓
Birim kök (terimsiz), x2, Harris-Tzavalis: p 3,530000·10−4 3,530000·10−4 — 8,8e−17 ✓
CRE (Mundlak), sabit: kestirim −0,64052647 −0,64052647 −0,64052647 4,7e−14 ✓
CRE (Mundlak), sabit: birim kümelenmiş SH 0,28722445 0,28722445 0,28722445 1,4e−14 ✓
CRE (Mundlak), x1: kestirim 0,80829019 0,80829019 0,80829019 2,3e−15 ✓
CRE (Mundlak), x1: birim kümelenmiş SH 0,00823439 0,00823439 0,00823439 2,9e−17 ✓
CRE (Mundlak), x2: kestirim 0,48959979 0,48959979 0,48959979 1,0e−15 ✓
CRE (Mundlak), x2: birim kümelenmiş SH 0,02289459 0,02289459 0,02289459 9,7e−17 ✓
CRE (Mundlak), ort(x1): kestirim 0,21644011 0,21644011 0,21644011 7,5e−15 ✓
CRE (Mundlak), ort(x1): birim kümelenmiş SH 0,03760742 0,03760742 0,03760742 1,9e−16 ✓
CRE (Mundlak), ort(x2): kestirim 0,07436192 0,07436192 0,07436192 2,8e−15 ✓
CRE (Mundlak), ort(x2): birim kümelenmiş SH 0,09262332 0,09262332 0,09262332 1,3e−15 ✓
CRE (Mundlak): Wald χ² 78,11560871 78,11560871 78,11560871 1,9e−13 ✓
CRE (Mundlak): p 1,089961·10−17 1,089961·10−17 1,089961·10−17 8,0e−29 ✓
CRE: sabit etki kestirimi x1 (FE sütunu) 0,80829019 0,80829019 0,80829019 0 ✓
CRE: sabit etki kestirimi x2 (FE sütunu) 0,48959979 0,48959979 0,48959979 2,2e−16 ✓
CRE (Chamberlain; N = 30, T = 6), x1: kestirim 0,95856298 0,95856298 — 2,2e−16 ✓
CRE (Chamberlain), x2: kestirim −0,45303747 −0,45303747 — 4,4e−16 ✓
CRE (Chamberlain), x1: birim kümelenmiş SH 0,04666102 0,04666102 — 1,4e−17 ✓
CRE (Chamberlain), x2: birim kümelenmiş SH 0,03864124 0,03864124 — 7,6e−17 ✓
CRE (Chamberlain): Wald χ² (12 sd) 247,29062263 247,29062263 — 4,1e−15 ✓
FE-2SLS, x1: kestirim 0,79600604 0,79600604 0,79600604 1,0e−15 ✓
FE-2SLS, x2: kestirim 0,48533809 0,48533809 0,48533809 5,6e−17 ✓
FE-2SLS, x1: SH 0,01212223 0,01212223 0,01212223 4,2e−17 ✓
FE-2SLS, x2: SH 0,01352341 0,01352341 0,01352341 2,3e−17 ✓
EC2SLS, sabit: kestirim 0,12281321 0,12281321 0,12281321 2,1e−14 ✓
EC2SLS, sabit: SH 0,30666307 0,30666307 0,30666307 7,2e−16 ✓
EC2SLS, x1: kestirim 0,80062396 0,80062396 0,80062396 5,6e−16 ✓
EC2SLS, x1: SH 0,0120401 0,0120401 0,0120401 2,8e−17 ✓
EC2SLS, x2: kestirim 0,48582945 0,48582945 0,48582945 5,6e−16 ✓
EC2SLS, x2: SH 0,01350045 0,01350045 0,01350045 3,5e−18 ✓
G2SLS, sabit: kestirim 0,12817782 0,12817782 0,12817782 1,3e−14 ✓
G2SLS, sabit: SH 0,3067716 0,3067716 0,3067716 7,2e−16 ✓
G2SLS, x1: kestirim 0,79904806 0,79904806 0,79904806 4,4e−16 ✓
G2SLS, x1: SH 0,01206585 0,01206585 0,01206585 4,7e−17 ✓
G2SLS, x2: kestirim 0,48527499 0,48527499 0,48527499 3,9e−16 ✓
G2SLS, x2: SH 0,01350721 0,01350721 0,01350721 4,2e−17 ✓
Birinci aşama kısmi F (x1) 441,14636805 441,14636805 441,14636805 2,2e−15 ✓
Birinci aşama kısmi F: sd2 705 705 705 0 ✓
Birinci aşama kısmi F: p 5,689329·10−125 5,689329·10−125 5,689329·10−125 1,9e−137 ✓
Sargan aşırı belirleme: J 2,54310876 2,54310876 — 7,0e−16 ✓
Sargan aşırı belirleme: p 0,11077649 0,11077649 — 2,2e−16 ✓
SH karşılaştırması (sabit etki), x1, klasik 0,00902592 0,00902592 0,00902592 1,4e−17 ✓
SH karşılaştırması (sabit etki), x1, birim kümelenmiş (Arellano) 0,00823439 0,00823439 0,00823439 2,9e−17 ✓
SH karşılaştırması (sabit etki), x1, Driscoll-Kraay (m = 3) 0,01580304 0,01580304 0,01580304 0 ✓
SH karşılaştırması (sabit etki), x1, çift yönlü kümelenmiş 0,01268968 0,01268968 0,01268968 2,8e−17 ✓
SH karşılaştırması (sabit etki), x2, klasik 0,01321246 0,01321246 0,01321246 2,6e−17 ✓
SH karşılaştırması (sabit etki), x2, birim kümelenmiş (Arellano) 0,02289459 0,02289459 0,02289459 1,7e−17 ✓
SH karşılaştırması (sabit etki), x2, Driscoll-Kraay (m = 3) 0,0142175 0,0142175 0,0142175 1,0e−17 ✓
SH karşılaştırması (sabit etki), x2, çift yönlü kümelenmiş 0,02170641 0,02170641 0,02170641 3,5e−18 ✓
SH: sabit etki kestirimi x1 (tüm türlerde aynı) 0,80829019 0,80829019 0,80829019 0 ✓
SH karşılaştırması (N = 30, T = 6), x1, klasik 0,05114167 0,05114167 — 2,8e−17 ✓
SH karşılaştırması (N = 30, T = 6), x1, birim kümelenmiş (Arellano) 0,04666102 0,04666102 — 0 ✓
SH karşılaştırması (N = 30, T = 6), x1, Driscoll-Kraay (m = 2) 0,03069693 0,03069693 — 1,4e−17 ✓
SH karşılaştırması (N = 30, T = 6), x1, çift yönlü kümelenmiş 0,0359767 0,0359767 — 1,4e−17 ✓
SH karşılaştırması (N = 30, T = 6), x2, klasik 0,04692731 0,04692731 — 4,2e−17 ✓
SH karşılaştırması (N = 30, T = 6), x2, birim kümelenmiş (Arellano) 0,03864124 0,03864124 — 5,6e−17 ✓
SH karşılaştırması (N = 30, T = 6), x2, Driscoll-Kraay (m = 2) 0,01287821 0,01287821 — 3,5e−18 ✓
SH karşılaştırması (N = 30, T = 6), x2, çift yönlü kümelenmiş 0,00873076 0,00873076 — 7,5e−17 ✓
PCSE, sabit: kestirim −0,40111656 −0,40111656 −0,40111656 2,1e−15 ✓
PCSE, sabit: SH 0,09411257 0,09411257 0,09411257 5,6e−17 ✓
PCSE, sabit: klasik EKK SH 0,05660203 0,05660203 — 6,9e−18 ✓
Parks-Kmenta, sabit: kestirim −0,34210982 −0,34210982 −0,34210982 3,0e−15 ✓
Parks-Kmenta, sabit: SH 0,04413134 0,04413134 0,04413134 4,0e−16 ✓
PCSE, x1: kestirim 0,95156661 0,95156661 0,95156661 2,3e−15 ✓
PCSE, x1: SH 0,0109454 0,0109454 0,0109454 9,9e−17 ✓
PCSE, x1: klasik EKK SH 0,00922022 0,00922022 — 3,6e−17 ✓
Parks-Kmenta, x1: kestirim 0,92483512 0,92483512 0,92483512 2,3e−15 ✓
Parks-Kmenta, x1: SH 0,00458686 0,00458686 0,00458686 8,0e−17 ✓
PCSE, x2: kestirim 0,52265221 0,52265221 0,52265221 7,8e−16 ✓
PCSE, x2: SH 0,00906284 0,00906284 0,00906284 6,1e−17 ✓
PCSE, x2: klasik EKK SH 0,01435189 0,01435189 — 4,0e−17 ✓
Parks-Kmenta, x2: kestirim 0,52211807 0,52211807 0,52211807 1,4e−15 ✓
Parks-Kmenta, x2: SH 0,00316957 0,00316957 0,00316957 2,0e−17 ✓
PCSE ve ortak AR(1), sabit: kestirim −0,39201642 −0,39201642 — 3,7e−15 ✓
PCSE ve ortak AR(1), sabit: SH 0,38415242 0,38415242 — 2,8e−16 ✓
Parks-Kmenta ve ortak AR(1), sabit: kestirim −0,02026039 −0,02026039 — 8,0e−15 ✓
Parks-Kmenta ve ortak AR(1), sabit: SH 0,20735034 0,20735034 — 1,9e−16 ✓
PCSE ve ortak AR(1), x1: kestirim 0,95179262 0,95179262 — 1,4e−15 ✓
PCSE ve ortak AR(1), x1: SH 0,01979072 0,01979072 — 6,9e−18 ✓
Parks-Kmenta ve ortak AR(1), x1: kestirim 0,93272336 0,93272336 — 3,3e−16 ✓
Parks-Kmenta ve ortak AR(1), x1: SH 0,00992943 0,00992943 — 5,0e−17 ✓
PCSE ve ortak AR(1), x2: kestirim 0,51536635 0,51536635 — 1,1e−16 ✓
PCSE ve ortak AR(1), x2: SH 0,02232128 0,02232128 — 2,4e−17 ✓
Parks-Kmenta ve ortak AR(1), x2: kestirim 0,5164485 0,5164485 — 2,2e−16 ✓
Parks-Kmenta ve ortak AR(1), x2: SH 0,01058092 0,01058092 — 3,3e−17 ✓
Hausman, x1: FE 0,80829019 0,80829019 0,80829019 0 ✓
Hausman, x1: RE 0,81173902 0,81173902 0,81173902 1,8e−15 ✓
Hausman, x1: fark −0,00344882 −0,00344882 −0,00344882 1,4e−15 ✓
Hausman, x1: SH(fark) 7,043076·10−4 7,043076·10−4 — 8,9e−17 ✓
Hausman, x2: FE 0,48959979 0,48959979 0,48959979 2,2e−16 ✓
Hausman, x2: RE 0,48972887 0,48972887 0,48972887 2,2e−16 ✓
Hausman, x2: fark −1,290773·10−4 −1,290773·10−4 −1,290773·10−4 6,2e−16 ✓
Hausman, x2: SH(fark) 7,444304·10−4 7,444304·10−4 — 9,8e−18 ✓
Hausman: istatistik 30,6296437 30,6296437 30,6296437 1,2e−12 ✓
Hausman: p 2,232839·10−7 2,232839·10−7 — 3,0e−18 ✓
SH karşılaştırması, x1, Driscoll-Kraay (plm kuralı, m = 2) 0,01563045 0,01563045 — 4,2e−17 ✓
SH karşılaştırması, x2, Driscoll-Kraay (plm kuralı, m = 2) 0,01367861 0,01367861 — 5,7e−17 ✓
Hausman (yardımcı regresyon, dayanıklı): istatistik 78,11560871 78,11560871 78,11560871 1,6e−13 ✓
Rassal etki θ (Swamy-Arora) 0,91059171 0,91059171 0,91059171 0 ✓
Hausman (N = 30, T = 6): istatistik (VFE − VRE pozitif tanımlı değil, işaretsiz) 23,47637396 23,47637396 —
Johansen, birim B01, r ≤ 0: iz 24,1177514 24,1177514 24,1177514 3,5e−14 ✓
Johansen, birim B01, r ≤ 0: özdeğer 16,62750293 16,62750293 16,62750293 5,1e−14 ✓
Johansen, birim B01, r ≤ 1: iz 7,49024846 7,49024846 7,49024846 1,1e−15 ✓
Johansen, birim B01, r ≤ 1: özdeğer 5,68563315 5,68563315 5,68563315 6,2e−16 ✓
Johansen, birim B01, r ≤ 2: iz 1,80461531 1,80461531 1,80461531 2,7e−15 ✓
Johansen, birim B01, r ≤ 2: özdeğer 1,80461531 1,80461531 1,80461531 2,7e−15 ✓
Johansen, birim B02, r ≤ 0: iz 37,5804658 37,5804658 37,5804658 1,5e−13 ✓
Johansen, birim B02, r ≤ 0: özdeğer 25,064205 25,064205 25,064205 2,3e−13 ✓
Johansen, birim B02, r ≤ 1: iz 12,51626079 12,51626079 12,51626079 1,7e−15 ✓
Johansen, birim B02, r ≤ 1: özdeğer 8,82411784 8,82411784 8,82411784 2,0e−16 ✓
Johansen, birim B02, r ≤ 2: iz 3,69214295 3,69214295 3,69214295 7,2e−16 ✓
Johansen, birim B02, r ≤ 2: özdeğer 3,69214295 3,69214295 3,69214295 7,2e−16 ✓
Johansen, birim B03, r ≤ 0: iz 44,42081361 44,42081361 44,42081361 5,1e−14 ✓
Johansen, birim B03, r ≤ 0: özdeğer 24,35682268 24,35682268 24,35682268 8,0e−14 ✓
Johansen, birim B03, r ≤ 1: iz 20,06399093 20,06399093 20,06399093 1,6e−14 ✓
Johansen, birim B03, r ≤ 1: özdeğer 12,29474888 12,29474888 12,29474888 1,9e−14 ✓
Johansen, birim B03, r ≤ 2: iz 7,76924205 7,76924205 7,76924205 1,5e−15 ✓
Johansen, birim B03, r ≤ 2: özdeğer 7,76924205 7,76924205 7,76924205 1,5e−15 ✓
Johansen, birim B04, r ≤ 0: iz 44,20194221 44,20194221 44,20194221 1,2e−13 ✓
Johansen, birim B04, r ≤ 0: özdeğer 23,48993235 23,48993235 23,48993235 1,7e−13 ✓
Johansen, birim B04, r ≤ 1: iz 20,71200986 20,71200986 20,71200986 5,5e−14 ✓
Johansen, birim B04, r ≤ 1: özdeğer 16,54275979 16,54275979 16,54275979 7,0e−14 ✓
Johansen, birim B04, r ≤ 2: iz 4,16925008 4,16925008 4,16925008 7,5e−15 ✓
Johansen, birim B04, r ≤ 2: özdeğer 4,16925008 4,16925008 4,16925008 7,5e−15 ✓
Johansen, birim B05, r ≤ 0: iz 33,03942486 33,03942486 33,03942486 2,8e−14 ✓
Johansen, birim B05, r ≤ 0: özdeğer 19,29866395 19,29866395 19,29866395 5,0e−14 ✓
Johansen, birim B05, r ≤ 1: iz 13,74076091 13,74076091 13,74076091 3,1e−15 ✓
Johansen, birim B05, r ≤ 1: özdeğer 10,85404798 10,85404798 10,85404798 3,1e−15 ✓
Johansen, birim B05, r ≤ 2: iz 2,88671293 2,88671293 2,88671293 6,2e−16 ✓
Johansen, birim B05, r ≤ 2: özdeğer 2,88671293 2,88671293 2,88671293 6,2e−16 ✓
Johansen, birim B06, r ≤ 0: iz 25,48141591 25,48141591 25,48141591 5,8e−14 ✓
Johansen, birim B06, r ≤ 0: özdeğer 16,99717581 16,99717581 16,99717581 8,2e−14 ✓
Johansen, birim B06, r ≤ 1: iz 8,4842401 8,4842401 8,4842401 6,3e−16 ✓
Johansen, birim B06, r ≤ 1: özdeğer 7,1740147 7,1740147 7,1740147 1,2e−16 ✓
Johansen, birim B06, r ≤ 2: iz 1,3102254 1,3102254 1,3102254 3,4e−15 ✓
Johansen, birim B06, r ≤ 2: özdeğer 1,3102254 1,3102254 1,3102254 3,4e−15 ✓
Johansen, birim B07, r ≤ 0: iz 38,43757714 38,43757714 38,43757714 1,0e−14 ✓
Johansen, birim B07, r ≤ 0: özdeğer 32,01668268 32,01668268 32,01668268 1,2e−14 ✓
Johansen, birim B07, r ≤ 1: iz 6,42089446 6,42089446 6,42089446 5,5e−16 ✓
Johansen, birim B07, r ≤ 1: özdeğer 4,02892076 4,02892076 4,02892076 6,6e−16 ✓
Johansen, birim B07, r ≤ 2: iz 2,3919737 2,3919737 2,3919737 2,2e−15 ✓
Johansen, birim B07, r ≤ 2: özdeğer 2,3919737 2,3919737 2,3919737 2,0e−15 ✓
Johansen, birim B08, r ≤ 0: iz 35,4044375 35,4044375 35,4044375 3,0e−13 ✓
Johansen, birim B08, r ≤ 0: özdeğer 19,90939549 19,90939549 19,90939549 5,2e−13 ✓
Johansen, birim B08, r ≤ 1: iz 15,49504202 15,49504202 15,49504202 1,0e−14 ✓
Johansen, birim B08, r ≤ 1: özdeğer 12,01399049 12,01399049 12,01399049 1,6e−14 ✓
Johansen, birim B08, r ≤ 2: iz 3,48105153 3,48105153 3,48105153 8,9e−16 ✓
Johansen, birim B08, r ≤ 2: özdeğer 3,48105153 3,48105153 3,48105153 2,0e−15 ✓
Johansen, birim B09, r ≤ 0: iz 25,9001677 25,9001677 25,9001677 2,1e−14 ✓
Johansen, birim B09, r ≤ 0: özdeğer 14,49633213 14,49633213 14,49633213 3,1e−14 ✓
Johansen, birim B09, r ≤ 1: iz 11,40383557 11,40383557 11,40383557 9,8e−15 ✓
Johansen, birim B09, r ≤ 1: özdeğer 8,1529891 8,1529891 8,1529891 4,1e−15 ✓
Johansen, birim B09, r ≤ 2: iz 3,25084647 3,25084647 3,25084647 1,2e−14 ✓
Johansen, birim B09, r ≤ 2: özdeğer 3,25084647 3,25084647 3,25084647 1,2e−14 ✓
Johansen, birim B10, r ≤ 0: iz 26,58056172 26,58056172 26,58056172 2,1e−14 ✓
Johansen, birim B10, r ≤ 0: özdeğer 20,08179783 20,08179783 20,08179783 3,0e−14 ✓
Johansen, birim B10, r ≤ 1: iz 6,49876388 6,49876388 6,49876388 2,6e−15 ✓
Johansen, birim B10, r ≤ 1: özdeğer 5,16787785 5,16787785 5,16787785 2,9e−15 ✓
Johansen, birim B10, r ≤ 2: iz 1,33088603 1,33088603 1,33088603 1,3e−15 ✓
Johansen, birim B10, r ≤ 2: özdeğer 1,33088603 1,33088603 1,33088603 1,3e−15 ✓
Johansen, birim B11, r ≤ 0: iz 29,39835451 29,39835451 29,39835451 2,6e−14 ✓
Johansen, birim B11, r ≤ 0: özdeğer 22,25627662 22,25627662 22,25627662 3,4e−14 ✓
Johansen, birim B11, r ≤ 1: iz 7,14207789 7,14207789 7,14207789 2,5e−15 ✓
Johansen, birim B11, r ≤ 1: özdeğer 5,29813813 5,29813813 5,29813813 2,3e−15 ✓
Johansen, birim B11, r ≤ 2: iz 1,84393976 1,84393976 1,84393976 3,1e−15 ✓
Johansen, birim B11, r ≤ 2: özdeğer 1,84393976 1,84393976 1,84393976 3,1e−15 ✓
Johansen, birim B12, r ≤ 0: iz 47,45866408 47,45866408 47,45866408 1,1e−13 ✓
Johansen, birim B12, r ≤ 0: özdeğer 32,98129837 32,98129837 32,98129837 1,6e−13 ✓
Johansen, birim B12, r ≤ 1: iz 14,4773657 14,4773657 14,4773657 1,2e−14 ✓
Johansen, birim B12, r ≤ 1: özdeğer 9,02079181 9,02079181 9,02079181 1,6e−14 ✓
Johansen, birim B12, r ≤ 2: iz 5,45657389 5,45657389 5,45657389 2,1e−15 ✓
Johansen, birim B12, r ≤ 2: özdeğer 5,45657389 5,45657389 5,45657389 2,1e−15 ✓

Kesin büyüklüklerde ölçütü karşılayan: 237/237.

Monte Carlo büyüklükleri (Fisher-Johansen). Şablon (R üreteci, tohum 7, 400 tekrar), bağımsız Python (numpy üreteci, 400 tekrar) ve R (urca ile, yalnız 2 ve 3 boyutlu sistemler) birim p değerlerini kendi benzetimleriyle türetir; üreteçler farklı olduğundan değerler birebir tutmaz. Ölçüt: fark, iki benzetimin Monte Carlo hatasının bileşkesinin 3 katı ile 1 toplamını aşmaz; her benzetim bütün birimlerde aynı çekimleri kullandığından birim hataları aynı yönde sayılır (standart sapmalar toplanır).

Büyüklük MerQuR+ Python (bağımsız) Fark Ölçüt
Fisher χ² (iz), H0: r ≤ 0 58,07785929 57,01947218 1,05838711 11,70559396 ✓
Fisher χ² (özdeğer), H0: r ≤ 0 62,70943043 62,33287376 0,37655668 11,70559396 ✓
Fisher χ² (iz), H0: r ≤ 1 22,26382864 21,34063756 0,92319107 4,03581224 ✓
Fisher χ² (özdeğer), H0: r ≤ 1 20,35340609 19,50582629 0,8475798 4,03581224 ✓
Fisher χ² (iz), H0: r ≤ 2 15,98411671 16,67888485 0,69476815 3,24466337 ✓
Fisher χ² (özdeğer), H0: r ≤ 2 15,98411671 16,67888485 0,69476815 3,24466337 ✓

Örnekleme hatası ölçütünü karşılayan: 6/6.

ADF çekirdeği (y, sabit terim, SIC, en çok 4 gecikme): bağımsız Python ile plm::purtest birim başına t istatistiği 12/12, seçilen gecikme 12/12 eşleşir. H0 altında iz istatistiğinin %95 niceliği, 2 boyutlu sistem (2000 tekrar Python, 400 tekrar R urca): 21,59451737 ve 21,74098379 (benzetim hatası içinde). H0 altında iz istatistiğinin %95 niceliği, 3 boyutlu sistem (2000 tekrar Python, 400 tekrar R urca): 38,2371256 ve 38,94522904 (benzetim hatası içinde).

Bağımsız Python (numpy/scipy): Breitung, Harris-Tzavalis ve Hadri açık formülle; FE, RE (Swamy-Arora), Hausman, CRE (Mundlak ve Chamberlain), FE-2SLS, EC2SLS, G2SLS, dört standart hata türü, PCSE, Parks-Kmenta (Kronecker kurulumuyla) ve Johansen bağımsız bir uygulamayla. Bağımsız R: taban R (lm, matris), sandwich::vcovCL, AER::ivreg (birim kukla değişkenleriyle), urca::ca.jo; Levin-Lin-Chu, Im-Pesaran-Shin, Maddala-Wu ve Hadri için plm::purtest, EC2SLS/G2SLS ve Driscoll-Kraay/çift yönlü kovaryans için plm doğrudan çağrılmıştır: bu satırlarda R ayağı şablonun kullandığı pakettir ve bağımsız değildir (Python ayağı yalnız Hadri için vardır). Levin-Lin-Chu, Im-Pesaran-Shin ve Maddala-Wu istatistiklerinin ve p değerlerinin bağımsız bir yeniden hesabı yoktur; yalnızca ADF çekirdeği (birim başına t ve gecikme) bağımsız doğrulanmıştır.

Toplam: kesin 237/237, örnekleme 6/6.

224.7 Çıktıyı okuma

Konsol (p_ornek):

Panel: N = 12 birim, T = 60 dönem, 720 gözlem (dengeli).
Yorum: Levin-Lin-Chu, Breitung, Harris-Tzavalis, IPS ve Maddala-Wu'nun H0'ı birim köktür (küçük p durağanlık lehine);
  Hadri'nin H0'ı durağanlıktır (küçük p birim kök lehine). Testler tutarlı sonuç veriyorsa karar güçlenir; ...
Yorum: içsel açıklayıcılar: x1; araçlar: z1, z2. FE-2SLS birim etkisini içsel dönüşümle atar ...
Yorum: iz testine göre panelde eşbütünleşme sayısı: 1 (ilk reddedilemeyen H0). Birim p değerleri H0 altında 200 tekrarlı
  Monte Carlo ile (aynı örneklem uzunluğunda) türetildi; en küçük p 0,0050. Fisher birleştirmesi birimlerin bağımsız olduğunu ...
Panel birim kök testleri (sabit; α = 0,05)
 değişken  test                      H0          istatistik   p            karar
 y   Levin-Lin-Chu      birim kök   -3.8271328   6.482e-05    H0 reddedilir: durağan
 y   Breitung (UB)      birim kök   -2.6215206   4.377e-03    H0 reddedilir: durağan
 y   Harris-Tzavalis    birim kök   -5.8740307   2.127e-09    H0 reddedilir: durağan
 y   Hadri              durağanlık  60.9200752   0            H0 reddedilir: birim kök var
 y   Im-Pesaran-Shin    birim kök   -3.2340051   6.103e-04    H0 reddedilir: durağan
 y   Maddala-Wu         birim kök   51.6748340   8.625e-04    H0 reddedilir: durağan
 x1  Levin-Lin-Chu      birim kök   -2.7012918   3.454e-03    H0 reddedilir: durağan
 x1  Breitung (UB)      birim kök    0.3493007   6.366e-01    H0 reddedilemez: birim kök
 x1  Harris-Tzavalis    birim kök   -0.9526281   1.704e-01    H0 reddedilemez: birim kök
 x1  Hadri              durağanlık  65.2635387   0            H0 reddedilir: birim kök var
 x2  Levin-Lin-Chu      birim kök   -0.7409720   2.294e-01    H0 reddedilemez: birim kök
 x2  Breitung (UB)      birim kök   -2.6749376   3.737e-03    H0 reddedilir: durağan
 (x1 ve x2 için IPS, Maddala-Wu ve x2 için HT, Hadri satırları kısaltıldı)

İlişkili rassal etki kestirimi (Mundlak; birim kümelenmiş SH)
 terim     kestirim       SH            t        p          FE kestirimi
 sabit    -0.6405264712   0.2872244492  -2.2301  2.605e-02
 x1        0.8082901919   0.0082343902  98.1603  0          0.8082901919
 x2        0.4895997934   0.0228945910  21.3850  8.110e-79  0.4895997934
 ort(x1)   0.2164401110   0.0376074209   5.7553  1.284e-08
 ort(x2)   0.0743619167   0.0926233185   0.8028  4.223e-01
CRE Wald testi: Mundlak: birim ortalamaları = 0   Wald χ² 78.1156087083   sd 2   p 1.090e-17
   H0 reddedilir: birim etkisi regresörlerle ilişkili (sabit etki tercih edilir)

Panel araç değişkenli kestirimler
 yöntem               terim   kestirim      SH            t
 FE-2SLS              x1      0.7960060436  0.0121222296  65.6650
 FE-2SLS              x2      0.4853380906  0.0135234093  35.8887
 EC2SLS (Baltagi-Li)  sabit   0.1228132102  0.3066630709   0.4005
 EC2SLS (Baltagi-Li)  x1      0.8006239595  0.0120401010  66.4964
 EC2SLS (Baltagi-Li)  x2      0.4858294450  0.0135004493  35.9861
 G2SLS (BVK)          sabit   0.1281778218  0.3067716000   0.4178
 G2SLS (BVK)          x1      0.7990480641  0.0120658506  66.2239
 G2SLS (BVK)          x2      0.4852749874  0.0135072060  35.9271
Araç değişkeni tanıları
 birinci aşama kısmi F: x1       441.1463680505  sd 2, 705  p 5.689e-125
 Sargan aşırı belirleme testi      2.5431087584  sd 1       p 1.108e-01

Standart hata karşılaştırması (sabit etki model; düzeltme HC0; sd = 706)
 terim  SH türü                       kestirim      SH
 x1     klasik                        0.8082901919  0.0090259178
 x1     birim kümelenmiş (Arellano)   0.8082901919  0.0082343902
 x1     Driscoll-Kraay (m = 3)        0.8082901919  0.0158030437
 x1     çift yönlü kümelenmiş         0.8082901919  0.0126896827
 x2     klasik                        0.4895997934  0.0132124602
 x2     birim kümelenmiş (Arellano)   0.4895997934  0.0228945910
 x2     Driscoll-Kraay (m = 3)        0.4895997934  0.0142174963
 x2     çift yönlü kümelenmiş         0.4895997934  0.0217064052

PCSE (Beck-Katz): havuzlanmış EKK
 terim   kestirim       SH (PCSE)     z          SH (klasik EKK)
 sabit  -0.4011165637   0.0941125687   -4.2621   0.0566020263
 x1      0.9515666096   0.0109454017   86.9376   0.0092202210
 x2      0.5226522075   0.0090628380   57.6699   0.0143518864

Panel FGLS (Parks-Kmenta)
 terim   kestirim       SH            z
 sabit  -0.3421098223   0.0441313409   -7.7521
 x1      0.9248351222   0.0045868560  201.6272
 x2      0.5221180732   0.0031695656  164.7286

Hausman: sabit ve rassal etki katsayıları
 terim  FE            RE            fark (FE - RE)  SH(fark)
 x1     0.8082901919  0.8117390157  -0.0034488237   0.0007043076
 x2     0.4895997934  0.4897288708  -0.0001290773   0.0007444304
Hausman testi
 Hausman (klasik)  30.6296437023   sd 2   p 2.233e-07
   H0 reddedilir: sabit etki tercih edilir

Fisher-Johansen panel eşbütünleşme (Maddala-Kim; N = 12, K = 2, kısıtlı sabit)
 H0        Fisher χ² (iz)  sd  p (iz)       Fisher χ² (özdeğer)  p (özdeğer)
 r <= 0    48.5316127089   24  0.0021679390  52.9071299386        0.0005950104
 r <= 1    21.6391180378   24  0.6007967476  20.7573859984        0.6529931192
 r <= 2    15.3364433574   24  0.9105270307  15.3364433574        0.9105270307
 (+ "Birim bazında Johansen istatistikleri": 12 birim x 3 H0; ör. B01, r <= 0: iz 24.1178, p 0.5672; özdeğer 16.6275, p 0.3383)

Yukarıdaki tablolar kısaltılmış ve sütunları hizalanmıştır; sayılar çıktıdaki gibidir. Şablonun şekli yoktur. Her tablonun okunması:

Öğe Ne yazar Nasıl yorumlanır
Birim kök tablosu Değişken \times test: istatistik, p, karar y için birim kök sıfırlı bütün testler reddeder (durağan); Hadri'nin durağanlık sıfırı da reddedilir: iki sonuç çelişir. Çelişki, serinin sınırda ya da yapısal kırılmalı olduğunu, ya da ortak kesit bağımlılığı olduğunu düşündürür (Hadri çok büyük istatistikler üretir). x_1 için Breitung ve HT birim kökü reddetmez, LLC ve IPS reddeder: testler arasında tutarlılık yoktur.
CRE Katsayılar ve Wald \overline{x_1} katsayısı anlamlı (t=5{,}76); birim etkisi x_1 ile ilişkili, Wald 78{,}12. Zaman içinde değişen katsayılar FE ile aynıdır.
Araç değişkenleri Üç kestirici, F, Sargan FE-2SLS 0{,}796, EC2SLS 0{,}801, G2SLS 0{,}799: yakın; araçlar güçlü (F=441), aşırı belirleme reddedilmez (p=0{,}111).
SH karşılaştırması Aynı katsayı, dört SH x_1 için Driscoll-Kraay SH (0{,}0158) klasikin 1,75 katı; x_2 için birim kümelenmiş 0{,}0229 klasikin 1,73 katı: kesit ve zaman bağımlılığı vardır.
PCSE, Parks Havuzlanmış GLS Birim etkisi yoktur; katsayılar FE'den çok farklıdır (0{,}95 ve 0{,}92; FE 0{,}81) çünkü birim etkisi x_1 ile ilişkilidir. Parks SH'leri PCSE'den 2–3 kat küçük; Beck ve Katz (1995) Parks SH'lerinin küçük T'de aşırı iyimser olduğunu gösterir.
Hausman FE, RE, fark, H H=30{,}63, p<10^{-6}: rassal etki reddedilir.
Fisher-Johansen Panel Fisher istatistiği ve birim istatistikleri İz testinde r\le0 reddedilir (p=0{,}0022), r\le1 reddedilmez (p=0{,}60): panelde bir eşbütünleşme ilişkisi. Birim p'ler ortak benzetime dayandığından birbirinden bağımsız değildir (224.8).

Rapor cümlesi. İki açıklayıcı ve bir bağımlı seri, 12 birim ve 60 dönemlik dengeli bir panelde (n=720) incelenmiştir. Birim kök sıfırlı testlerde (Levin-Lin-Chu, Breitung, Harris-Tzavalis, Im-Pesaran-Shin, Maddala-Wu) y serisi için birim kök reddedilmiştir; Hadri testinin durağanlık sıfırı da reddedilmiştir (z=60{,}92), bu nedenle sonuç kesin değildir. Mundlak ilişkili rassal etki modelinde ortalama terimleri ortak olarak anlamlıdır (birim kümelenmiş Wald \chi^2_2=78{,}12, p<0{,}001); Hausman testi de rassal etkiyi reddetmiştir (\chi^2_2=30{,}63, p<0{,}001). Sabit etki kestirimi x_1 için 0{,}808 ve x_2 için 0{,}490'dır; x_1'in standart hatası birim kümelenmiş 0{,}0082, Driscoll-Kraay (m=3) 0{,}0158 bulunmuştur. z_1 ve z_2 ile FE-2SLS kestirimi x_1 için 0{,}796 (SH=0{,}0121; birinci aşama F=441; Sargan p=0{,}111) çıkmıştır.

224.8 Sık hatalar ve tuzaklar

  • Zaman sütunu metinse sıra kronolojik olmayabilir. Sayıya çevrilemeyen zaman etiketleri ("t1", "t2", …, "t10") alfabetik sıralanır ("t1", "t10", "t11", …, "t2"); şablon uyarı vermez. Aynı örnek veride zaman etiketi t1–t60 yapılınca Breitung y istatistiği -2{,}62\to-7{,}44, LLC -3{,}83\to-6{,}95, Driscoll-Kraay SH (x_1) 0{,}0158\to0{,}0133 olur. Zamanı sayı ya da ISO tarih (2001-01) olarak vermek gerekir (bulgular B1).
  • Klasik Hausman istatistiği negatif olabilir ve tablo mutlak değeri yazar. \hat{\mathbf V}_{FE}-\hat{\mathbf V}_{RE} pozitif tanımlı değilse (ikinci örnek panelde, N=30, T=6) istatistik -23{,}48'dir; tablo 23{,}48 ve "H0 reddedilir: sabit etki tercih edilir" yazar; yalnız konsolda uyarı vardır. Bu durumda hausman_tur = dayanikli ya da CRE Wald testi kullanılmalıdır (bulgular B2).
  • Chamberlain CRE için N\ge1+K(1+T) gerekir. Örnek panelde (N=12, T=60, K=2) 123 katsayı 12 birimle kestirilemez; çıktıda "CRE hesaplanamadı: model not estimable…" yazar. İkinci panelde (N=30, T=6) 15 terim kestirilir ve Wald testi 12 sd ile hesaplanır (247{,}29). Alan açıklaması bu koşulu belirtmez (bulgular B3).
  • Fisher-Johansen'de birim p değerleri ortak çekimlere dayanır. Aynı Monte Carlo çekimleri bütün birimlerin p'sini verdiğinden birimler arası bağımsızlık varsayımı korunmaz ve hata birimler arası aynı yöndedir. fj_tekrar = 200 ve 2000 örnek veride r\le0 iz Fisher istatistiğini 48{,}5 ile 58{,}1 arasında oynatır (karar değişmez); fj_tekrar'ı artırın (bulgular B4).
  • Birim kök testleri birimlerin bağımsızlığını varsayar. LLC, Breitung, HT, IPS, Maddala-Wu ve Hadri'de yatay kesit bağımlılığı varsa boyut bozulur; şablon kesit bağımlılığı testi içermez (CD ve CIPS için panel_esbutunlesme).
  • Birim kök testlerinin dengeli panel koşulu açıklamadan geniştir. Üstbilgi yalnız Breitung ve Harris-Tzavalis'in dengeli panel istediğini söyler; kod Hadri ve LLC'yi de dengesiz panelde atlar (429). Eksik tek bir gözlem bile bu dört testi ve PCSE, Parks, Fisher-Johansen'i kapatır (yalnız bir not satırı).
  • ur_exo = none ve Hadri. Hadri sabitsiz tanımlı değildir; şablon sabit kullanır ama tablo başlığı "deterministik terim yok" yazar (bulgular B5).
  • Küçük T ve Driscoll-Kraay. T=6, N=30 iken Driscoll-Kraay SH (x_2: 0{,}0129) birim kümelenmiş SH'nin (0{,}0386) üçte biridir ve çift yönlü SH 0{,}0087'dir: zaman boyutu bağımlılığı kestirmek için çok kısadır. Şablon küçük T uyarısı yazar ama karar sütunu yoktur.
  • PCSE ve Parks için T ve N. PCSE \hat{\boldsymbol\Sigma} (N\times N) T gözlemden kestirir; T<N iken rank eksiktir (T=6, N=30) ve şablon uyarı vermez (bulgular B6). Parks T\ge N ister; pggls N\ge T ister (örnek panelde N=12<T=60: "plm::pggls için N ≥ T gerekir").
  • Zayıf araçlar. Birinci aşama kısmi F yalnız FE-2SLS için hesaplanır; EC2SLS ve G2SLS için hesaplanmaz. F<10 iken FE-2SLS yanlıdır; Sargan yalnız araç sayısı içsel sayısından fazlaysa tanımlıdır.
  • Örnek ayar araç yöntemlerini kapalı bırakmaz. fe2sls, re2sls, g2sls ve fgls örnek ayarda açıktır; varsayılan form hâlinde kapalıdır.
  • Çoklu test. On beş test ve üç seri için 18 birim kök kararı ayrı \alpha ile verilir; düzeltme yoktur.
  • Gecikme seçimi görünmez. LLC, IPS ve Maddala-Wu için SIC ile seçilen birim başına gecikmeler çıktıda yazılmaz; p değerleri bu seçimden etkilenir.
  • Tohum. Yalnız Fisher-Johansen rastgeledir; tohum aynıysa sonuç yinelenir, R ve Python üreteçleriyle birebir tutmaz.

224.9 Uzman soruları

S1. Hadri ve LLC aynı seride neden zıt karar verebilir?

LLC, Breitung, HT, IPS ve Maddala-Wu'nun sıfır hipotezi birim köktür; Hadri'nin sıfırı durağanlıktır. Hadri, küçük sapmalarda bile (ör. küçük bir birim kök bileşeni, yapısal kırılma, yatay kesit bağımlılığı) sıfırı reddeder ve N=12, T=60 panelde istatistikler 34–65 gibi çok büyük çıkar. Karar tek testle değil testlerin ortak okunmasıyla verilir; çelişki olduğunda seri sınırda sayılır.

S2. Mundlak CRE ile Hausman testi aynı soruyu mu sınar?

İkisi de birim etkisinin açıklayıcılarla ilişkisini sınar. Klasik Hausman rassal etkinin etkinliğini varsayar ve \mathbf V_{FE}-\mathbf V_{RE}'nin pozitif tanımlı olmasını gerektirir; dayanıklı yardımcı regresyon ve CRE Wald testi bunu gevşetir. Örnek veride dayanıklı Hausman (78{,}1156) CRE Mundlak dayanıklı Wald değerine (aynı, 78{,}1156) eşittir; klasik CRE Wald 9{,}17 ve klasik Hausman 30{,}63'tür: üç sayı üç ayrı varyans tahminine dayanır.

S3. FE-2SLS, EC2SLS ve G2SLS arasındaki fark nedir?

FE-2SLS içsel dönüşümle birim etkisini atar ve birim etkisi içsel olsa da tutarlıdır; yalnız zaman içinde değişen değişkenler kestirilir. EC2SLS ve G2SLS rassal etki GLS dönüşümü üzerinde 2SLS yapar ve birim etkisinin araçlarla ilişkisiz olduğunu varsayar; zaman içinde değişmeyen açıklayıcıları ve sabiti kestirir ve geçerliyse daha etkindir. Araç kümeleri farklıdır: EC2SLS içsel ve arası araç bileşenlerini ayrı, G2SLS dönüştürülmüş araçları kullanır. Örnek veride üç kestirici 0{,}796, 0{,}801, 0{,}799'dur.

S4. Hangi durumda Driscoll-Kraay, hangisinde birim kümelenmiş SH?

Birim kümelenmiş SH, birim içi bağımlılığa ve çok sayıda birime (N büyük) dayanır; Driscoll-Kraay, birimler arası eşzamanlı bağımlılığa ve büyük T'ye dayanır (Hoechle, 2007). T küçükken Driscoll-Kraay SH'leri aşağı yanlıdır; T=6 örneğinde x_2 için 0{,}0129 ve 0{,}0386 (birim kümelenmiş) farkı bunu gösterir. Çift yönlü kümelenme her ikisine dayanır ama kümelerden her biri az sayıdaysa güvenilmezdir.

S5. PCSE ile Parks-Kmenta'nın farkı nedir; hangisi tercih edilmeli?

İkisi de eşzamanlı kesit korelasyonunu hesaba katar. PCSE EKK katsayılarını korur, yalnız SH'yi düzeltir (T makul büyükse, Beck ve Katz'a göre T\ge15). Parks-Kmenta \hat{\boldsymbol\Sigma}'yı GLS'ye sokar ve SH'ler küçük T'de aşırı iyimserdir; T\ge N gerekir. Örnek veride Parks SH'leri PCSE'den 2–3 kat küçüktür. Birim etkisi var ve açıklayıcıyla ilişkiliyse ikisi de yanlı kalır (FE 0{,}81, PCSE 0{,}95).

S6. Klasik Hausman istatistiği neden negatif çıkıp mutlak değeriyle raporlanıyor?

\hat{\mathbf V}_{FE}-\hat{\mathbf V}_{RE} sonlu örneklemde pozitif tanımlı olmayabilir (RE'nin SH'si FE'ninkinden büyük bir bileşen verirse). plm::phtest bu durumda istatistiğin mutlak değerini döndürür; ham değer (-23{,}48) anlamsız bir \chi^2 değeridir. Şablon uyarıyı konsola yazar ama karar sütunu değişmez; dayanıklı Hausman ya da CRE Wald önerilir (224.8).

S7. Fisher-Johansen için neden MacKinnon-Haug-Michelis tabloları yerine Monte Carlo?

Şablon üstbilgisi bu tablolara erişilemediğini söyler. Monte Carlo, aynı örnek uzunluğunda (T=60) ve aynı (K, sabit) belirtimde sonlu örneklem p değeri verir; bedeli benzetim hatasıdır (p\ge1/(R+1)) ve şablon, aynı çekimleri birimler arasında paylaşır. Kısa dönem dinamikleri (gecikmeli farklar) benzetilen süreçte yoktur; asimptotik dağılım bunlardan bağımsız olduğundan bu bir yaklaşıktır.

S8. Maddala-Wu için MacKinnon 1994 ve 1996 farkı nedir?

İkisi de ADF istatistiğinin p değerini yanıt yüzeyi regresyonlarıyla yaklaşıklar; 1996 çalışması 1994 sayısal dağılım işlevlerinin yeniden üretilmiş ve genişletilmiş biçimidir (MacKinnon, 1996; urca bu sürümü kullanır). plm varsayılanı, urca kuruluysa 1996'dır; şablon ve temel program 1994 kullanır. Örnek veride y için Maddala-Wu istatistiği 51{,}67, p=8{,}62\cdot10^{-4} (1994) ve 8{,}67\cdot10^{-4} (1996) (karar aynı).

S9. Chamberlain CRE ne zaman Mundlak'a tercih edilir?

Chamberlain, birim etkisinin açıklayıcıların bütün dönem değerlerine doğrusal bağlılığına izin verir ve Mundlak'ın "yalnız ortalamaya bağlılık" kısıtını sınar; K\cdot T ek terim gerektirir, bu yüzden N büyük, T küçük panele uygundur. Örnek panelde (T=60) kestirilemez; T=6, N=30 panelde 12 ek terimin ortak Wald testi 247{,}29 verir ve zaman içinde değişen katsayılar FE ile aynıdır (0{,}9586 ve -0{,}4530).

224.10 Kaynaklar

  • Arellano, M. (1987). Computing robust standard errors for within-groups estimators. Oxford Bulletin of Economics and Statistics, 49(4), 431–434. https://doi.org/10.1111/j.1468-0084.1987.mp49004006.x
  • Balestra, P., & Varadharajan-Krishnakumar, J. (1987). Full information estimations of a system of simultaneous equations with error component structure. Econometric Theory, 3(2), 223–246. https://doi.org/10.1017/S0266466600010318
  • Baltagi, B. H., & Li, Q. (1992). A note on the estimation of simultaneous equations with error components. Econometric Theory, 8(1), 113–119. https://doi.org/10.1017/S0266466600010768
  • Beck, N., & Katz, J. N. (1995). What to do (and not to do) with time-series cross-section data. American Political Science Review, 89(3), 634–647. https://doi.org/10.2307/2082979
  • Breitung, J. (2000). The local power of some unit root tests for panel data. Advances in Econometrics, 15, 161–177. https://doi.org/10.1016/S0731-9053(00)15006-6
  • Cameron, A. C., Gelbach, J. B., & Miller, D. L. (2011). Robust inference with multiway clustering. Journal of Business & Economic Statistics, 29(2), 238–249. https://doi.org/10.1198/jbes.2010.07136
  • Chamberlain, G. (1982). Multivariate regression models for panel data. Journal of Econometrics, 18(1), 5–46. https://doi.org/10.1016/0304-4076(82)90094-X
  • Croissant, Y., & 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
  • Driscoll, J. C., & Kraay, A. C. (1998). Consistent covariance matrix estimation with spatially dependent panel data. Review of Economics and Statistics, 80(4), 549–560. https://doi.org/10.1162/003465398557825
  • Hadri, K. (2000). Testing for stationarity in heterogeneous panel data. The Econometrics Journal, 3(2), 148–161. https://doi.org/10.1111/1368-423X.00043
  • Harris, R. D. F., & Tzavalis, E. (1999). Inference for unit roots in dynamic panels where the time dimension is fixed. Journal of Econometrics, 91(2), 201–226. https://doi.org/10.1016/S0304-4076(98)00076-1
  • Hausman, J. A. (1978). Specification tests in econometrics. Econometrica, 46(6), 1251–1271. https://doi.org/10.2307/1913827
  • Hoechle, D. (2007). Robust standard errors for panel regressions with cross-sectional dependence. The Stata Journal, 7(3), 281–312. https://doi.org/10.1177/1536867X0700700301
  • Im, K. S., Pesaran, M. H., & Shin, Y. (2003). Testing for unit roots in heterogeneous panels. Journal of Econometrics, 115(1), 53–74. https://doi.org/10.1016/S0304-4076(03)00092-7
  • Johansen, S. (1991). Estimation and hypothesis testing of cointegration vectors in Gaussian vector autoregressive models. Econometrica, 59(6), 1551–1580. https://doi.org/10.2307/2938278
  • Levin, A., Lin, C.-F., & Chu, C.-S. J. (2002). Unit root tests in panel data: Asymptotic and finite-sample properties. Journal of Econometrics, 108(1), 1–24. https://doi.org/10.1016/S0304-4076(01)00098-7
  • MacKinnon, J. G. (1994). Approximate asymptotic distribution functions for unit-root and cointegration tests. Journal of Business & Economic Statistics, 12(2), 167–176. https://doi.org/10.1080/07350015.1994.10510005
  • MacKinnon, J. G. (1996). Numerical distribution functions for unit root and cointegration tests. Journal of Applied Econometrics, 11(6), 601–618. https://doi.org/10.1002/(SICI)1099-1255(199611)11:6<601::AID-JAE417>3.0.CO;2-T
  • MacKinnon, J. G., Haug, A. A., & Michelis, L. (1999). Numerical distribution functions of likelihood ratio tests for cointegration. Journal of Applied Econometrics, 14(5), 563–577. https://doi.org/10.1002/(SICI)1099-1255(199909/10)14:5<563::AID-JAE530>3.0.CO;2-R
  • Maddala, G. S., & Kim, I.-M. (1998). Unit roots, cointegration, and structural change. Cambridge University Press.
  • Maddala, G. S., & Wu, S. (1999). A comparative study of unit root tests with panel data and a new simple test. Oxford Bulletin of Economics and Statistics, 61(S1), 631–652. https://doi.org/10.1111/1468-0084.0610s1631
  • Mundlak, Y. (1978). On the pooling of time series and cross section data. Econometrica, 46(1), 69–85. https://doi.org/10.2307/1913646
  • Newey, W. K., & West, K. D. (1994). Automatic lag selection in covariance matrix estimation. Review of Economic Studies, 61(4), 631–653. https://doi.org/10.2307/2297912
  • Parks, R. W. (1967). Efficient estimation of a system of regression equations when disturbances are both serially and contemporaneously correlated. Journal of the American Statistical Association, 62(318), 500–509. https://doi.org/10.1080/01621459.1967.10482923
  • Sargan, J. D. (1958). The estimation of economic relationships using instrumental variables. Econometrica, 26(3), 393–415. https://doi.org/10.2307/1907619
  • Swamy, P. A. V. B., & Arora, S. S. (1972). The exact finite sample properties of the estimators of coefficients in the error components regression models. Econometrica, 40(2), 261–275. https://doi.org/10.2307/1909405
  • Wooldridge, J. M. (2010). Econometric analysis of cross section and panel data (2nd ed.). MIT Press.
  • Zeileis, A., Köll, S., & Graham, N. (2020). Various versatile variances: An object-oriented implementation of clustered covariances in R. Journal of Statistical Software, 95(1), 1–36. https://doi.org/10.18637/jss.v095.i01