Corrigindo erros padrão quando as variáveis independentes são correlacionadas automaticamente

Eu tenho uma pergunta sobre como corrigir erros padrão quando a variável independente tem correlação. Em uma configuração simples de série temporal, podemos usar a matriz de covariância de Newey-West com muitos atrasos e isso resolverá o problema de correlação nos resíduos. O que se faz em uma configuração de dados do painel? Imagine a situação em que você observa as empresas ao longo do tempo:

Y_{Eu, t} = uma + b Δ X_{Eu, t} + ϵ_{Eu, t}

$Y_{i,t} = a + b\Delta{X_{i,t}} + \epsilon_{i,t}$

onde . Parece que os erros padrão de armazenamento em cluster em e devem corrigir esse problema. Estou correcto? $\Delta{X_{i,t}} = X_{i,t} - X_{i,t-n}$ $i$ $t$

clustering standard-error panel-data

— Alex
fonte

Existem várias maneiras de corrigir a autocorrelação em uma configuração do painel. A maneira como você descreve o cluster não funciona dessa maneira. O que você pode fazer é:

Agrupe os erros padrão no identificador da unidade, por exemplo, a variável de identificação individual / empresa / família. Isso permite correlação arbitrária entre indivíduos, o que corrige a autocorrelação.
$M = 1 + (n - 1) ρ_{e}$ $M = 1 + (n-1)\rho_e$ $\rho_e$
O bloco inicializa os erros padrão com indivíduos sendo "blocos". Normalmente, as replicações de inicialização 200-400 devem ser suficientes para corrigir seus erros padrão. Para painéis muito grandes, essa abordagem pode levar uma quantidade significativa de tempo.

Você pode encontrar mais informações sobre esse tópico em
- Cameron e Trivedi (2010) "Microeconometrics Using Stata", Edição Revisada, Stata Press
- Wooldridge (2010) "Análise Econométrica de Seção Transversal e Dados de Painel", 2ª Edição, MIT Press

— Andy
fonte

O OP especificou a correlação automática na variável independente - essa resposta seria aplicável se houvesse correlação automática nos resíduos. Eu sou cético, faz sentido especificar um modelo com alterações no lado direito e níveis no lado esquerdo.

— Andy W

Concordo que, se a primeira diferenciação é aplicada para remover os efeitos fixos, ela deve ser aplicada também à variável dependente. Caso contrário, também para OLS agrupado com variáveis explicativas diferenciadas, as correções de autocorrelação padrão funcionam.

— Andy

Corrigindo erros padrão quando as variáveis ​​independentes são correlacionadas automaticamente

Corrigindo erros padrão quando as variáveis independentes são correlacionadas automaticamente