Metoda zmiennych instrumentalnych i uogólniona metoda momentów
Transkrypt
Metoda zmiennych instrumentalnych i uogólniona metoda momentów
Metoda zmiennych instrumentalnych i uogólniona metoda momentów Wykład 14 1 Literatura • B. Hansen (2013) Econometrics, strona internetowa autora 2 Problem endogenicznych zmiennych objaśniających • Zmiany stóp procentowych zmiany kursu walutowego zmiany stóp procentowych • Dynamika kredytu wzrost gospodarczy dynamika kredytu • Inwestycje OFE (zmiana portfeli OFE) zmiany cen akcji zmiana portfeli OFE 3 Problem endogenicznych zmiennych objaśniających • Równanie „strukturalne”: x – wektor k-elementowy • Estymator KMNK obciążony • Rozwiązanie: MZI lub UMM 4 Zmienne instrumentalne • Wykorzystanie zmiennych instrumentalnych, tzn. skorelowanych ze zmiennymi endogenicznymi ale nieskorelowanych z e: • Zwykle część zmiennych jest egzogeniczna: • …i może zostać zaliczona do zmiennych instrumentalnych: 5 Zmienne instrumentalne • Przykłady: – Naturalne instrumenty (np. przelewy z ZUS do OFE) – Opóźnione zmienne endogeniczne – Identyfikacja przez heteroskedastyczność 6 Zmienne instrumentalne • Jeżeli , to model „jednoznacznie identyfikowalny” (just-identified) • Jeżeli , to model „przeidentyfikowany” (over-identified) 7 Uogólniona metoda momentów • Generalized method of moments (GMM) • Przykładowy model: • Niech prawdziwa będzie restrykcja: • MNK dla modelu niekoniecznie efektywna, bo więcej restrykcji niż parametrów: r „overidentifying restrictions” 8 Uogólniona metoda momentów • Niech parametrów będzie funkcją ( ( ), : ) – funkcja momentów, np. 9 Uogólniona metoda momentów • Policzmy odpowiednik na danych z próby: • Estymator momentów próbuje znaleźć takie , że • Niech miarą „długości” wektora gdzie: to macierz wag ( będzie ) 10 Uogólniona metoda momentów • Na przykład dla • Estymator GMM (UMM): 11 Uogólniona metoda momentów • Dla jest to estymator momentów • FOC: …czyli: 12 Uogólniona metoda momentów • Definicja estymatora dla modelu liniowego: • Efektywny estymator GMM dla gdzie • Asymptotyczny rozkład estymatora: 13 Estymacja macierzy wag • Wybierz macierz startową: • Policz: • Policz: 14 „Two-step” GMM • Wzór dla modelu liniowego: • Błędy szacunku parametrów = pierwiastki z głównej przekątnej macierzy 15 Alternatywny estymator UMM • Minimalizuj: „continuously-updated GMM estimator” 16 UMM dla modeli nieliniowych • Minimalizuje: • startuje: • możliwe wiele iteracji 17 UMM dla modeli nieliniowych • Rozkład asymptotyczny estymatora: • Wariancja szacunków parametrów: 18 Testowanie „nadliczbowych” restrykcji • Test of overidentifying restrictions: • Wykrywa możliwe wady modelu: słabe instrumenty, zbyt dużo instrumentów, zła postać modelu, itp. 19 Forma zredukowana modelu • Sprawdźmy relację między x i z: • Estymator MNK: 20 Metoda zmiennych instrumentalnych • Podstawmy tę relację do równania (1): gdzie: • Zauważmy, że: …dlatego można zastosować MNK: 21 MZI i pośrednia MNK ( ) • MZI to szczególny przypadek UMM: • Pośrednia MNK (Indirect least squares): 22 Dodatek • Literatura: R.Rigobon, B. Sack (2004) The impact of Monetary Policy on Asset Prices, Journal of Monetary Economics 51, 1553–1575. 23 Metoda „identyfikacji przez heteroskedastyczność” cit = αyit + Axit + ε it yit = βcit + Bxit + η it Forma zredukowana modelu: 1 [Gxit + ε it + αηit ] cit = 1 − αβ 1 [Hxit + βε it + ηit ] yit = 1 − αβ 24 Różne wariancje w podpróbach Macierze wariancji zmiennych objaśnianych w podpróbach T1 i T2: T1 ′ T1 2 T1 G Ω G + + σ α ση 1 x ε T1 Ω = 2 ⋅ (1 − αβ ) T2 ′ T2 2 T2 G Ω G + + σ α ση 1 x ε T2 Ω = 2 ⋅ (1 − αβ ) GΩTx1 H ′ + βσ εT1 + ασηT1 T1 ′ T1 2 T1 HΩ x H + β σ ε + ση GΩTx2 H ′ + βσ εT2 + ασηT2 T2 ′ T2 2 T2 HΩ x H + β σ ε + ση 25 Różnica między wariancjami w podpróbach Różnica macierzy wariancji: ∆Ω = Ω T2 −Ω T1 (σ εT2 − σ εT1 ) 1 = 2 β (1 − αβ ) β 2 β Wyznaczamy β: ∆Ω12 β= ∆Ω11 ∆Ω 22 β= ∆Ω12 26 Metoda zmiennych instrumentalnych Estymatory MZI: 1 1 (cT2 )′y T2 − (cT1 )′y T1 N2 N1 ˆ β= 1 1 (cT2 )′cT2 − (cT1 )′cT1 N2 N1 1 1 (y T2 )′y T2 − (y T1 )′y T1 N2 N1 ˆ β= 1 1 (c T2 )′y T2 − (c T1 )′y T1 N2 N1 27 Metoda zmiennych instrumentalnych Estymatory MZI: −1 ˆ β = ( vc ′c) ( vc ′y ) −1 ˆ β = ( vy ′c) ( vy ′y ) 28 Metoda zmiennych instrumentalnych Różnica między wektorami średnich dla zmiennych objaśnianych w podpróbach: T2 T1 c it E (ε it ) − E (ε it ) 1 ∆E = 1 − αβ β yit Estymator MZI: 1 1 e′y T2 − e′y T1 N2 N1 ˆ β= 1 1 e′c T2 − e′cT1 N2 N1 −1 ˆ β = (m ′c) (m ′y ) 29 Metoda zmiennych instrumentalnych • Konstrukcja instrumentów: – uwzględniających zmiany w wariancji cit N vcit = − cit N kiedy it ∈ T1 kiedy it ∈ T2 – uwzględniających zmiany w średniej 1N mit = − 1 N kiedy it ∈ T1 kiedy it ∈ T2 30