Przyczynowość w mikroekonometrii kontra przyczynowość Grangera w ekonometrii szeregów czasowych

14

Rozumiem przyczynowość stosowaną w mikroekonomii (w szczególności projektowanie nieciągłości IV lub regresji), a także przyczynowość Grangera stosowaną w ekonometrii szeregów czasowych. Jak powiązać jedno z drugim? Na przykład widziałem, że oba dane są stosowane do danych panelowych (powiedzmy , ). Wszelkie odniesienia do dokumentów w tym zakresie będą mile widziane.T = 20N=30T=20

użytkownik227710
źródło
Specjalnie dla danych panelowych istnieje rozszerzenie testu Granger (nie) przyczynowości autorstwa Dumitrescu / Hurlin (2012): Testing for Granger non-przyczynowość w panelach heterogenicznych, Modelowanie ekonomiczne, 2012, vol. 29, wydanie 4, 1450–1460.
Helix123

Odpowiedzi:

16

Załóżmy, że masz dwa wektory Wtedy nie Granger powoduje jeśli , tzn. nie może pomóc w prognozowaniu . Tak więc termin Granger „przyczynowość” jest nieco mylące, ponieważ jeżeli zmienna jest przydatna w prognozowaniu kolejna zmienna nie oznacza to, że faktycznie powoduje . Patrz na przykład dyskusja w Hansen (2014) (s. 319). Ztrte(yt|K1,T-1)=e(yt|K2

F1,t=(yt,yt1,yt2,...)F2,t=(yt,zt,yt1,zt1,...)
ztyt z t y t ABE(yt|F1,t1)=E(yt|F2,t1)ztytABBAB

Jako głupi przykład, rano tuż przed wschodem słońca kogut zacznie piać. Jeśli przeprowadzisz test przyczynowości Grangera na serii wron kogutowych i wschodów słońca, przekonasz się, że wrona koguta powoduje, że słońce wschodzi. Ale tak naprawdę nie może to być naprawdę związek przyczynowy. Powód, dla którego opisałem ten przykład jako „głupi”, jest podany w zgrabnym komentarzu Hao Ye. Ten przykład jest przydatny do zilustrowania, dlaczego zdarzenie może Granger powodować inne, ale nie powoduje tego w tym sensie, że mikroekonometrycy rozumieją związek przyczynowy.

Przyczynowość w mikroekonometrii opiera się głównie na potencjalnych ramach wyników Donalda Rubina (patrz Angrist, Imbens i Rubin (1996) ). Z pytania wynika, że ​​przeczytałeś ekonometrię w większości nieszkodliwą, więc zakładam, że wiesz, jakiego rodzaju skutki przyczynowe oceniają różne metody, takie jak IV, różnice w różnicach, dopasowanie lub nieciągłość regresji. Tak czy inaczej, nie ma bezpośredniego związku między tymi mikroekonometrycznymi metodami szacowania skutków przyczynowych i przyczynowości Grangera dla prostego faktu, że przyczynowość Grangera nie jest tak naprawdę przyczyną.

W najnowszych zastosowaniach różnic w różnicach (DiD) idea przyczynowości Grangera jest wykorzystywana do oceny, czy istnieją przewidywane lub opóźnione efekty leczenia. Dla zwykłego modelu DiD, który można znaleźć w Przeważnie Nieszkodliwych Ekonometrii (rozdział 5, s. 237): gdzie w tym przykładzie wskaźniki , i są dla restauracji, stanów i czasu, podczas gdy jest manekinem równym dla restauracji z grupy kontrolnej po zabiegu. Biorąc pod uwagę, że zmienia się w różnych momentach w różnych stanach, możesz sprawdzić, czy w przeszłości i s t D s t D s t D m + K k = 1 β + k D s , t + k + X t π + ϵ i

Yist=γs+λt+βDs,t+Xistπ+ϵist
istDstDstDstmieć znaczenie w przewidywaniu wyniku, podczas gdy przyszły nie. Chodzi o to, że jeśli wystąpią efekty antycypacyjne, szacowany efekt leczenia w zwykłym ustawieniu DiD niedoszacuje całkowitego efektu. Ciekawe może być również zanikanie efektu leczenia w czasie. Możesz to ocenić, włączając odprowadzeń i opóźnień które będą odpowiednio wychwytywać przewidywane i opóźnione efekty leczenia w modelu: Zastosowanie tego znajduje się w podręczniku na następnych stronach, wykorzystując badanie Autor (2003)DstKM
Yist=γs+λt+m=0MβmDs,tm+k=1Kβ+kDs,t+k+Xistπ+ϵist
który ocenił przewidywane / opóźnione skutki zwiększonej ochrony zatrudnienia na wykorzystanie przez pracowników pracowników tymczasowych.

Ten pomysł wychwytuje argument przedstawiony w odpowiedzi coffeinjunky'ego. Kiedy już możemy w wiarygodny sposób stwierdzić, że istnieje efekt przyczynowy, możemy wykorzystać pomysł przyczynowości Grangera do dalszego zbadania tego efektu, tak jak robi to Autor (2003). Nie można go jednak użyć do udowodnienia tego.

Andy
źródło
2
Muszę się nie zgodzić z tą interpretacją przyczynowości Granger, ponieważ wydaje się ona wąska i wcale nie ma na myśli tego, co Granger miała na myśli. W (Granger 1980) zauważa, że ​​hipotetyczna zmienna przyczynowa musi zawierać unikalne informacje o zmiennej zależnej. W twoim przykładzie wschód można przewidzieć bez danych koguta, więc kogut nie ma żadnych unikalnych informacji i dlatego nie jest przyczynowy. Widzę tutaj IV jako sposób na rozwiązanie problemu wyodrębnienia unikalnej informacji w hipotetycznej zmiennej przyczynowej.
Hao Ye,
@Andy: Dziękuję za doskonałe wyjaśnienie (i doskonałe referencje). Zaczekam na inne odpowiedzi, zanim oznaczę odpowiedź jako zaakceptowaną.
user227710,
1
@HaoYe dzięki za komentarz. Z pewnością przyczynowość Grangera ma pewne zalety, a przykład został celowo nazwany „głupim” w moim imieniu. Dla uproszczenia jest to zbyt uproszczone, ale jestem pewien, że istnieją lepsze przykłady przypadków z przyczynowością Grangera bez strukturalnego związku przyczynowego. @ user227710: Znalazłem jedno zastosowanie związku przyczynowego Grangera w literaturze dotyczącej efektów leczenia. Odpowiednio zaktualizowałem odpowiedź.
Andy
Biorąc pod uwagę T = 20, myślę, że zostanie pominięte zmienne odchylenie z powodu ignorowania informacji o długim okresie (składnik korekcji błędów), jeśli szeregi są zintegrowane. Tak jak w twoim przykładzie, jeśli leczenie zmienia się w różnych stanach i różnych czasach i jeśli to leczenie jest zintegrowane z wynikiem, to oczywiście twój model dynamiczny cierpi na pominięte zmienne odchylenie. Pytanie brzmi, czy leczenie, ponieważ jest zmienną fikcyjną, można uznać za I (1). Alternatywnie, traktujesz leczenie jako egzogeniczną zmienną w eqnsach długo- i krótkookresowych i uzyskujesz efekt przyczynowy (długo- i krótkookresowy)
Metrics
6
Okej, ale to tak, jakby powiedzieć, że OLS nadaje się do wnioskowania przyczynowego, jeśli mamy odpowiednie dane, tj. Bez endogeniczności. Przy idealnych danych, jak to opisujesz, GNC działa idealnie do tego celu. Problem polega na tym, że rzadko mamy tego rodzaju idealne dane, dlatego właśnie te mikroekonometryczne metody wnioskowania przyczynowego zostały opracowane w pierwszej kolejności. Definicja GNC tutaj jest standardową definicją podręcznika i mówię o niej jako o metodzie wnioskowania przyczynowego przy minimalnych założeniach dotyczących danych.
Andy
2

W pełni zgadzam się z Andym i rzeczywiście myślałem o napisaniu czegoś podobnego, ale zacząłem się zastanawiać nad tym tematem. Myślę, że wszyscy się zgadzamy, że przyczynowość Grangera tak naprawdę nie ma wiele wspólnego z przyczynowością w rozumieniu potencjalnych ram wyników, po prostu dlatego, że przyczynowość Grangera dotyczy bardziej pierwszeństwa czasu niż czegokolwiek innego. Załóżmy jednak, że istnieje związek przyczynowy między aY tXtYtw tym sensie, że to pierwsze powoduje drugie, i załóżmy, że dzieje się to wzdłuż wymiaru czasowego z opóźnieniem jednego okresu, powiedzmy. Oznacza to, że możemy łatwo zastosować ramy potencjalnych wyników do dwóch szeregów czasowych i w ten sposób zdefiniować związek przyczynowy. Problemem staje się zatem: chociaż przyczynowość Grangera nie ma „znaczenia” dla przyczynowości zdefiniowanej w ramach potencjalnych wyników, to czy przyczynowość implikuje przyczynowość Grangera w kontekście szeregów czasowych?

Nigdy nie widziałem dyskusji na ten temat, ale myślę, że jeśli ty lub ktoś z badaczy chce to uzasadnić, musisz narzucić jakąś dodatkową strukturę. Oczywiście zmienne muszą reagować powolnie, tzn. Związek przyczynowy nie może być równoczesny, ale zdefiniowany z opóźnieniem. Sądzę, że to może być pocieszające, aby nie odrzucić przyczynowości Granger. Chociaż nie jest to oczywisty dowód na korzyść związku przyczynowego, gdybyś miał takie twierdzić, wziąłbym test GNC za subiektywny dowód.

coffeinjunky
źródło