Причинність у мікроекономічних показниках порівняно з великою причинністю в економетриці часових рядів

Я розумію причинно-наслідкові зв’язки, що використовуються в мікроекономіці (зокрема, проект IV або регресії регресії), а також причинність Грейнджера, що використовується в економетрії часових рядів. Як я пов’язую одне з іншим? Наприклад, я бачив, як обидва підходи використовуються для даних панелі (скажімо, , ). Будь-які посилання на документи в цьому плані були б вдячні. $N=30$ $T=20$

— користувач227710
джерело

Спеціально для даних панелей є розширення тесту Грінгера (не) на причинність Думітреску / Хурліна (2012): Тестування на Грінджера на некозуальність у гетерогенних панелях, Економічне моделювання, 2012, т. 29, випуск 4, 1450-1460.

— Helix123

Скажімо, у вас є два вектори ТодіНЕ Грейнджер причиноюякщо, тобто

\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}

$z_t$ не може допомогти прогнозувати

. Таким чином, термін Грейнджер «причинність» кілька вводить в оману , тому що , якщо змінна корисна для прогнозування іншої змінної

це не означає , що на насправді викликає

. Дивіться, наприклад, дискусію в Hansen (2014) (стор. 319).

y_{t}

$y_t$

A

$A$

B

$B$

A

$A$

B

$B$

Як дурний приклад, вранці безпосередньо перед сонцем піднімається півень. Якщо ви проведете тест на прихильність Грейнджера на серії півнів півня та сходу сонця, ви виявите, що ворона півня викликає сонце. Але тоді це насправді не може бути справді причинно-наслідковим зв’язком. Причину, яку я назвав цей приклад "дурною", викладено в охайному коментарі Хао Є. Приклад корисний для того, щоб проілюструвати, чому подія може спричинити Грейнджера іншу, але насправді не викликати її в тому сенсі, що мікроекономіки розуміють причину.

Причинність у мікроекономічних показниках головним чином ґрунтується на потенційних результатах Дональда Рубіна (див. Angrist, Imbens та Rubin (1996) ). З питання виходить, що ви читали «Більш нешкідливу економетрію», тому я припускаю, що вам відомо, які причинно-наслідкові наслідки оцінюють різні методи, такі як IV, різниця у різницях, відповідність чи регресія, розриви дизайну розриву. Так чи інакше, між цими мікроекономічними методами оцінки причинних наслідків та Грейнджерської причинності немає прямого зв’язку для простого факту, що причинність Грейнджера насправді не є причинністю.

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

$t$

D_{s t}

$D_{st}$

D_{s t}

$D_{st}$

D_{s t}

$D_{st}$

D_{s t}

$D_{st}$

K

$K$

M

$M$

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}

$Y_{ist} = \gamma_s + \lambda_t + \sum^{M}_{m=0}\beta_{-m} D_{s,t-m} + \sum^{K}_{k=1}\beta_{+k} D_{s,t+k} + X'_{ist}\pi + \epsilon_{ist}$ які оцінили передбачувані / відстаючі ефекти посиленого захисту зайнятості на використання фірми тимчасовими працівниками.

Ця ідея підхоплює аргумент, зроблений у відповіді coffeinjunky. Коли ми вже можемо достовірно сказати, що існує причинний ефект, ми можемо використовувати ідею причинності Грейнджера для подальшого дослідження ефекту, як це робить автор (2003). Це не можна використовувати, щоб довести це.

— Енді
джерело

Я маю згоду з такою інтерпретацією Грейнджерської причинності, оскільки вона, здається, вузька і зовсім не те, що мав на увазі Грейнджер. У (Granger 1980) він зазначає, що гіпотезована причинно-наслідкова змінна повинна мати унікальну інформацію про залежну змінну. У вашому прикладі схід сонця можна передбачити без даних півня, і тому півень не має унікальної інформації і тому не є причинним. Тут я бачу IV як спосіб вирішити, як виділити унікальну інформацію в гіпотезованій причинно-наслідковій змінній.

— Хао Є

@Andy: Дякую за чудове пояснення (та відмінні посилання). Я буду чекати інших відповідей, перш ніж позначити вашу відповідь прийнятою.

— користувач227710

@HaoYe дякую за ваш коментар. Звичайно, в причинності Грейнджера є певна заслуга, і приклад був цілеспрямовано названий "дурним" від мого імені. Це надто спрощено, щоб зробити точку зору, але я впевнений, що є кращі приклади для випадків з причинності Грейнджера без структурного причинного зв'язку. @ user227710: Я знайшов одне застосування причинності Грейнджера в літературі про ефекти лікування. Відповідно я оновив відповідь.

— Енді

Враховуючи T = 20, я думаю, що буде ігноровано зміщення змінного типу через ігнорування довгострокової інформації (термін виправлення помилок), якщо серія буде інтегрована. Як у вашому прикладі, якщо лікування змінюється в різних станах і в різні часи, і якщо це лікування поєднується з результатом, очевидно, ваша динамічна модель страждає від опущених змінних зміщень. Питання полягає в тому, чи можна вважати лікування, оскільки це фіктивна змінна I (1). Крім того, ви розглядаєте лікування як зовнішню змінну у довгострокових та короткочасних еквівалентах та отримуєте причинний ефект (довгостроковий та короткостроковий)

— Метріки

Гаразд, але це як би сказати, що OLS підходить для причинного висновку, якщо ми маємо правильні дані, тобто без ендогенності. З ідеальними даними, як ви їх описуєте, GNC прекрасно працює для цієї мети. Проблема полягає в тому, що ми рідко володіємо подібними ідеальними даними, саме тому ці мікроекономічні методи причинного висновку були розроблені в першу чергу. Визначення GNC тут є стандартним визначенням підручника, і я говорю про нього як про метод причинного висновку з мінімальними припущеннями щодо даних.

— Енді

Я повністю погоджуюся з Енді, і я насправді думав написати щось подібне, але потім я почав цікавитись цією темою. Я думаю, що ми всі погоджуємось, що сама причинність Грейнджера насправді не має великого відношення до причинності, як це зрозуміло в рамках потенційних результатів, просто тому, що причинність Грейнджера більше стосується часу, ніж будь-що інше. Однак припустимо, що між існує причинно-наслідковий зв’язок $X_t$ $Y_t$ в тому сенсі, що перше викликає друге, і припустимо, що це відбувається уздовж часового виміру з відставанням на один період. Тобто, ми можемо легко застосувати рамки потенційних результатів до двох часових рядів і таким чином визначити причинність. Тоді проблема стає такою: хоча причинність Грейнджера не має "значення" для причинності, як визначено в рамках потенційних результатів, чи означає причинність Грінжера причинність у контексті часових рядів?

Я ніколи не бачив дискусії з цього приводу, але думаю, що якщо ви чи будь-який дослідник хочете зробити справу з цього приводу, вам потрібно нав'язати якусь додаткову структуру. Зрозуміло, що змінні повинні реагувати мляво, тобто причинно-наслідковий зв’язок тут не повинен бути одночасним, а визначатися з відставанням. Тоді, я думаю, може бути заспокійливим не відкидати причинності Грейнджера. Хоча це явно не свідчить на користь причинно-наслідкових відносин, якщо ви заявляєте таке, я б вважав тест GNC як суб'єктивне свідчення.

— coffeinjunky
джерело