Causalidade em microeconometria versus causalidade granger em econometria de séries temporais

Entendo a causalidade usada na microeconomia (em particular o design de descontinuidade por IV ou regressão) e também a causalidade de Granger usada na econometria de séries temporais. Como me relaciono um com o outro? Por exemplo, eu vi as duas abordagens sendo usadas para dados em painel (digamos , ). Qualquer referência aos documentos a esse respeito seria apreciada. $N=30$ $T=20$

— user227710
fonte

Especificamente para dados em painel, há uma extensão do teste de causalidade de Granger (não) por Dumitrescu / Hurlin (2012): Testando a não causalidade de Granger em painéis heterogêneos, Economic Modeling, 2012, vol. 29, edição 4, 1450-1460.

— Helix123

Digamos que você tenha dois vetores Em seguida,não Granger causase, ou seja,não pode ajudar a prever

\begin{aligned} F_{1, t} & = (y_{t}, y_{t - 1}, y_{t - 2}, . . .) \\ F_{2, t} & = (y_{t}, z_{t}, y_{t - 1}, z_{t - 1}, . . .) \end{aligned}

$\begin{align} F_{1,t} &= (y_t, y_{t-1}, y_{t-2},...) \newline F_{2,t} &= (y_t, z_t, y_{t-1}, z_{t-1},...) \end{align}$

z_{t}

$z_t$

y_{t}

$y_t$

E (y_{t} | F_{1, t - 1}) = E (y_{t} | F_{2, t - 1})

$E(y_t | F_{1,t-1}) = E(y_t | F_{2,t-1})$

z_{t}

$z_t$

. Assim, o termo Granger "causalidade" é um pouco enganador, porque se uma variável

é útil na previsão de uma outra variável

isso não implica que

realmente provoca

. Veja, por exemplo, a discussão emHansen (2014)(p. 319).

y_{t}

$y_t$

A

$A$

B

$B$

A

$A$

B

$B$

Como um exemplo estúpido, de manhã, pouco antes do nascer do sol, o galo cantará. Se você executar um teste de causalidade de Granger em uma série de corvos e nascer do sol, descobrirá que o corvo do galo faz o sol nascer. Mas então isso realmente não pode ser realmente um relacionamento causal. A razão pela qual rotulei este exemplo como "estúpido" é fornecida no puro comentário de Hao Ye. O exemplo é útil para ilustrar por que um evento pode Granger causar outro, mas não realmente causar, no sentido de que os microeconométricos entendem a causa.

A causalidade em microeconometria é baseada principalmente na estrutura de resultados potenciais de Donald Rubin (ver Angrist, Imbens e Rubin (1996) ). A partir da pergunta, parece que você leu Econometria Principalmente Inofensiva, portanto, presumo que você esteja familiarizado com que tipo de efeitos causais os diferentes métodos como IV, diferença nas diferenças, correspondência ou descontinuidade de regressão estimam. De qualquer maneira, não há ligação direta entre esses métodos microeconométricos de estimativa de efeitos causais e a causalidade de Granger pelo simples fato de que a causalidade de Granger não é realmente causalidade.

Em aplicações recentes de diferença nas diferenças (DiD), a idéia de causalidade de Granger é usada para avaliar se há efeitos antecipados ou retardados do tratamento. Para o habitual modelo que se possa encontrar na maior parte inofensiva Econometria (. Capítulo 5, p 237) DiD: onde neste exemplo os índices , e são para restaurantes, estados e horário, enquanto

Y_{i s t} = γ_{s} + λ_{t} + β D_{s, t} + X_{i s t}^{'} π + ϵ_{i s t}

$Y_{ist} = \gamma_s + \lambda_t + \beta D_{s,t} + X'_{ist}\pi + \epsilon_{ist}$

i

$i$

s

$s$

t

$t$

é um manequim igual a um para restaurantes do grupo controle após o tratamento. Dado que

muda em momentos diferentes em diferentes estados, você pode testar se passado

assunto em predizer o resultado, enquanto futuro

não. A idéia é que, se houver efeitos antecipatórios, o efeito estimado do tratamento na configuração DiD usual subestimará o efeito total. Da mesma forma, o desaparecimento de um efeito de tratamento ao longo do tempo pode ser interessante. Você pode avaliar isso incluindo

leads e

lags, que capturam efeitos de tratamento antecipado e retardado, respectivamente, no modelo:

D_{s t}

$D_{st}$

D_{s t}

$D_{st}$

D_{s t}

$D_{st}$

D_{s t}

$D_{st}$

K

$K$

M

$M$

Uma aplicação disso é fornecida em seu livro nas páginas seguintes, usando um estudo deAutor (2003)

Y_{i s t} = γ_{s} + λ_{t} + \sum_{m = 0}^{M} β_{- m} D_{s, t - m} + \sum_{k = 1}^{K} β_{+ k} D_{s, t + k} + X_{i s t}^{'} π + ϵ_{i s t}

$Y_{ist} = \gamma_s + \lambda_t + \sum^{M}_{m=0}\beta_{-m} D_{s,t-m} + \sum^{K}_{k=1}\beta_{+k} D_{s,t+k} + X'_{ist}\pi + \epsilon_{ist}$ que avaliaram os efeitos antecipados / defasados do aumento da proteção do emprego no uso de trabalhadores temporários pelas empresas.

Essa idéia retoma o argumento da resposta de coffeinjunky. Quando já podemos afirmar com credibilidade que existe um efeito causal, podemos usar a ideia da causalidade de Granger para explorar ainda mais o efeito, como Autor (2003). Não pode ser usado para provar isso.

— Andy
fonte

Eu tenho que discordar dessa interpretação da causalidade de Granger, pois ela parece ser estreita e nem um pouco o que Granger tinha em mente. Em (Granger, 1980), ele observa que a variável causal hipotética deve ter informações exclusivas sobre a variável dependente. No seu exemplo, o nascer do sol pode ser previsto sem os dados do galo e, portanto, o galo não possui informações exclusivas e, portanto, não é causal. Aqui, vejo IV como uma maneira de abordar como isolar as informações exclusivas na variável causal hipotética.

— Hao Ye

@ Andy: Obrigado pela excelente explicação (e excelentes referências). Vou aguardar outras respostas antes de marcar sua resposta como aceita.

— usar o seguinte comando

@HaoYe obrigado pelo seu comentário. Certamente há algum mérito na causalidade de Granger e o exemplo foi propositadamente chamado de "estúpido" em meu nome. É excessivamente simplista, a fim de fazer uma observação, mas tenho certeza de que existem exemplos melhores para casos com causalidade de Granger sem uma relação causal estrutural. @ user227710: Encontrei uma aplicação da causalidade de Granger na literatura de efeitos do tratamento. Eu atualizei a resposta de acordo.

— 26414 Andy

Dado T = 20, acho que haverá omissão de variável omitida por ignorar informações de longo prazo (termo de correção de erro) se as séries forem cointegradas. Como no seu exemplo, se o tratamento mudar em diferentes estados e tempos diferentes e se esse tratamento for cointegrado com o resultado, obviamente seu modelo dinâmico sofrerá com o viés variável omitido. A questão é se o tratamento, por ser uma variável fictícia, pode ser considerado I (1). Alternativamente, você considerar o tratamento como uma variável exógena no longo prazo e de curto prazo eqns e obter efeito causal (longo prazo e de curto prazo)

— Métricas de

Ok, mas é como dizer que o OLS é adequado para inferência causal se tivermos os dados corretos, ou seja, sem endogeneidade. Com os dados ideais como você os descreve, o GNC funciona perfeitamente bem para essa finalidade. O problema é que raramente temos esse tipo de dado ideal, razão pela qual esses métodos microeconométricos de inferência causal foram desenvolvidos em primeiro lugar. A definição de GNC aqui é a definição padrão de livros didáticos e eu estou falando sobre isso como um método para inferência causal com suposições mínimas nos dados.

— 217 Andy

Eu concordo plenamente com Andy, e estava pensando em escrever algo semelhante, mas então comecei a me perguntar sobre esse tópico. Acho que todos concordamos que a causalidade de Granger realmente não tem muito a ver com causalidade, como entendida na estrutura de resultados potenciais, simplesmente porque a causalidade de Granger tem mais a ver com precedência do tempo do que qualquer outra coisa. No entanto, suponha que exista uma relação causal entre $X_t$ e $Y_t$ no sentido de que o primeiro causa o segundo e suponha que isso ocorra ao longo de uma dimensão temporal com um atraso de um período, digamos. Ou seja, podemos aplicar facilmente a estrutura de resultados em potencial a duas séries temporais e definir a causalidade dessa maneira. A questão então se torna: embora a causalidade de Granger não tenha "significado" para a causalidade, conforme definido na estrutura de resultados potenciais, a causalidade implica causalidade de Granger no contexto de séries temporais?

Eu nunca vi uma discussão sobre isso, mas acho que, se você ou algum pesquisador quiser defender isso, precisará impor alguma estrutura adicional. Claramente, as variáveis precisam reagir lentamente, ou seja, a relação causal aqui não deve ser simultânea, mas definida com um atraso. Então, acho que pode ser reconfortante não rejeitar a causalidade de Granger. Embora isso claramente não exista evidência a favor de um relacionamento causal, se você reivindicar isso, então eu faria o teste GNC como evidência subjetiva.

— coffeinjunky
fonte