StataNow更新 | 工具变量局部投影IRFs

0 评论

使用新的ivlpirf命令,您可以使用局部投影来估计动态因果效应的同时考虑到内生性。该命令现在是StataNow™的一部分。

局部投影是一种估计动态因果效应的方法,它能衡量一个变量的冲击随时间变化对一个或多个结果的影响。这些因果效应也被称为结构性IRFs。

如果我们感兴趣的冲击是内生变量呢?IRFs的估计必须考虑到内生性。当有可用的工具时,工具变量局部投影法可以理清因果关系。

示例

我们有1969年至2019年美国工业生产增长、通货膨胀和利率的月度数据。

我们感兴趣的是利率(fedfunds)意外上升对工业生产增长(ip_growth)和通货膨胀(inflation)的影响。我们担心利率具有内生性:利率的变化影响其他经济变量,但利率本身也会对这些经济变量作出反应。我们需要考虑到这种潜在的内生性,以可靠地估计利率冲击的影响;工具变量法能让我们做到这一点。

我们有一种工具,money_inst,可以隔离利率的外生变化。我们可以使用新的ivlpirf命令来估计利率上升对工业生产增长响应的影响的结构性IRFs,使用money_inst作为利率内生脉冲变化(d.fedfunds)的工具:

输出表显示了影响时的IRF系数((labeled –.)和干预后的四个时期的IRF系数(标记为 F1.~ F4.)。当IRF系数为0.39时,我们可以看到工业生产增长对经济的影响,但我们没有证据表明这种影响不等于零。利率变化对工业生产的影响可能需要一段时间才能显现出来,因此我们可能需要更长的时间来观察其影响。根据影响将利率反应标准化为1。利率以变化(D.fedfunds)的形式进入模型,因此fedfunds的后续系数也是变化的。受基础建设的影响,利率的变化会上升1个百分点,随后在同一方向上变化1.48个百分点,以此类推。

上面的估计显示了以变量单位表示的IRFs——在本示例中是增长率。我们可能还对累积响应感兴趣,它可以解释为变量水平的变化,也可以通过对增长率的响应求和来计算。

Ivlpirf通过累积选项支持这种计算。我们指定带有累积选项的ivlpirf来报告累积IRFs。我们还同时计算了对两个响应变量(ip_growth和inflation)的影响。

系数表现在也会显示在累积的IRFs。它们可以被解释为工业生产(而不是工业生产增长)、价格(而不是价格通胀)和利率(而不是利率变化)对冲击的反应。

让我们使用step()选项来估计3年(36个月)的响应,而不是仅估计默认的4个月的响应。我们将使用irf命令将它们绘制成图表,而不是在ivlpirf的输出表中查看所有这些累积 IRF。

在第四行中,请注意我们指定了csirf统计量,它要求累积结构IRFs。所得图表绘制了工业生产、价格水平和利率的路径。

每个面板显示一个变量的累积响应。左上角的面板显示了利率对利率变化冲击的反应:利率上升并保持在高位大约一年,然后回到其长期水平。右上方的面板显示了通货膨胀的累积响应,即价格水平的响应。在冲击后的头两年,价格变化不大,但在冲击后的第三年,价格反应就会变成负值。左下角的面板显示了工业生产的反应,在冲击后的第一年没有太大变化,但在第二年变为负值,两年后达到了-4%左右的低谷。

北京天演融智软件有限公司(科学软件网)是Stata软件在中国的授权经销商,为中国的软件用户提供优质的软件销售和培训服务。