• 4
  • 5
2013-12-28, 16:31
  #49
Medlem
Citat:
Ursprungligen postat av Galvestonen
Alltså nu får vi hålla tungan rätt i mun, så det blir rätt. Om de oberoende variablerna är fixerade över tiden, ger det upphov till en omitted variable bias i RE. Lösningen på det problemet är att eliminera tidskomponenten, vilket en FE estimator gör.

Idiosyncratic errors är tidsspecifika shocker. För att exemplifiera:

U: En error över tiden, ex. permanent sänkning i arbetsviljan från period T=3.
E: En error i en tidsperiod, ex. en utbudsshock som sänker arbetsviljan enbart i T=3.

Det är alltså E som vi vill ska vara iid (Idendependent Identically Distributed)



Ja, till min kunskap är det korrekt och verkar som det mest rimliga. Du har uppfattat korrekt.

Edit: Ser att ni löst ut problemet nu.


Precis när det verkade som att vi löst problemet så hittade jag nu en passage i Wooldridge som antyder att jag tvärtom tänkt helt fel.


Wooldridge (2013, p. 472) skriver att ''it is difficult to test whether the u(sub-it) are serially uncorrelated after FE estimation: we can estimate the time-demeaned errors but not the u(sub-it).’’


Detta borde väl betyda att det inte heller går att få fram skattningar av u(sub-it) när man vill kolla om de är normalfördelade? Genom själva time-demeaning som används vid FE så får man ju inte kvar idiosyncratic errors i modellen utan bara time-demeaned errors?
Citera
2013-12-28, 16:32
  #50
Medlem
Citat:
Ursprungligen postat av UlkMulken
Om OLS residualer och xtreg predict e blir detsamma så är ju saken biff. Du gör ju samma regression i bägge fallen.

När jag nu läser manualen för xtreg noggrannare får det mig att tro att att u (i Stata) står för just de fixa effekterna i sig. Bland annat står det så här på sidan 305: "xbu calculates the prediction of a+bxit+ui, the prediction including the fixed- or random-component". Här är det tydligt att u inte är error av de fixa effekterna som jag trodde i föregående postning.

Alltså om du vill kolla normalfördelningen av error gör du det genom ett histogram på e.

Precis när det verkade som att vi löst problemet så hittade jag nu en passage i Wooldridge som antyder att jag tvärtom tänkt helt fel.


Wooldridge (2013, p. 472) skriver att ''it is difficult to test whether the u(sub-it) are serially uncorrelated after FE estimation: we can estimate the time-demeaned errors but not the u(sub-it).’’


Detta borde väl betyda att det inte heller går att få fram skattningar av u(sub-it) när man vill kolla om de är normalfördelade? Genom själva time-demeaning som används vid FE så får man ju inte kvar idiosyncratic errors i modellen utan bara time-demeaned errors?
Citera
2013-12-28, 22:01
  #51
Medlem
UlkMulkens avatar
Citat:
Ursprungligen postat av Endstation
Precis när det verkade som att vi löst problemet så hittade jag nu en passage i Wooldridge som antyder att jag tvärtom tänkt helt fel.


Wooldridge (2013, p. 472) skriver att ''it is difficult to test whether the u(sub-it) are serially uncorrelated after FE estimation: we can estimate the time-demeaned errors but not the u(sub-it).’’


Detta borde väl betyda att det inte heller går att få fram skattningar av u(sub-it) när man vill kolla om de är normalfördelade? Genom själva time-demeaning som används vid FE så får man ju inte kvar idiosyncratic errors i modellen utan bara time-demeaned errors?

Även om det inte finns ett test går det ju att spekulera lite över hur man på ett enkelt sätt kan testa om error systematiskt fördelar sig "skevt" över tiden.

Om du tar ut dina idiosyncratic errors (e i Stata) (vilket enligt Wooldridge är detsamma som modellens error minus fixa effekter) så ska de samlat ha ett medelvärde på 0 för alla errors. Detta behöver dock inte gälla för errors för enskilda tidpunkter. Du skulle kunna räkna ut konfidensintervall för errors för varje tidsintervall och se om de är statistiskt skilda från varandra. Ett annat sätt är att plotta den samlade modellens errors från olika tidsperioder och sedan granska om de verkar förändras systematiskt över tiden.
Citera
  • 4
  • 5

Skapa ett konto eller logga in för att kommentera

Du måste vara medlem för att kunna kommentera

Skapa ett konto

Det är enkelt att registrera ett nytt konto

Bli medlem

Logga in

Har du redan ett konto? Logga in här

Logga in