Memperbaiki kesalahan standar ketika variabel independen terkait otomatis

Saya punya pertanyaan tentang bagaimana cara memperbaiki kesalahan standar ketika variabel independen memiliki korelasi. Dalam pengaturan deret waktu yang sederhana, kita dapat menggunakan matriks kovarians Newey-West dengan banyak lag dan itu akan menangani masalah korelasi dalam residu. Apa yang dilakukan seseorang dalam pengaturan data panel? Bayangkan situasi di mana Anda mengamati perusahaan dari waktu ke waktu:

di mana . Tampaknya mengelompokkan kesalahan standar pada dan harus memperbaiki masalah ini. Apakah saya benar?$\Delta{X_{i,t}} = X_{i,t} - X_{i,t-n}$$i$$t$

Ada beberapa cara untuk memperbaiki autokorelasi dalam pengaturan panel. Cara Anda menggambarkan pengelompokan tidak cukup bekerja dengan cara ini. Yang dapat Anda lakukan adalah:

1. Klaster kesalahan standar pada pengidentifikasi unit, misalnya variabel ID individu / perusahaan / rumah tangga. Ini memungkinkan adanya korelasi sewenang-wenang dalam individu yang mengoreksi autokorelasi.
2. Hitung faktor Moulton dan sesuaikan kesalahan standar Anda secara parametrik. Jika Anda memiliki panel yang seimbang, faktor Moulton adalah mana adalah korelasi kesalahan individual. Maka Anda hanya perlu melipatgandakan kesalahan standar Anda dengan faktor ini untuk mendapatkan inflasi yang sesuai dari kesalahan standar naif yang akan mengoreksi autokorelasi. $$M = 1 + (n-1)\rho_e$$ $\rho_e$
3. Blok bootstrap kesalahan standar dengan individu menjadi "blok". Biasanya 200-400 replikasi bootstrap harus cukup untuk memperbaiki kesalahan standar Anda. Untuk panel yang sangat besar, pendekatan ini mungkin membutuhkan banyak waktu.

Anda dapat menemukan lebih banyak tentang topik ini di
- Cameron dan Trivedi (2010) "Mikroekonometrika Menggunakan Stata", Edisi Revisi, Stata Press
- Wooldridge (2010) "Analisis Ekonometrik dari Penampang dan Data Panel", Edisi ke-2, MIT Press