[論文レビュー] Standard errors for two-way clustering with serially correlated time effects

Harold D. Chiang, Bruce E. Hansen+1 more|arXiv (Cornell University)|Jan 27, 2022

Statistical Methods and Bayesian Inference被引用数 6

ひとこと要約

本稿は、時間効果に任意の自己相関を明示的に取り入れた二重クラスタリング標準誤差のための新しい分散推定法と漸近理論を提案する。これは、Cameron、Gelbach、Miller（2011）やMenzel（2021）らの既存手法が残した重要なギャップを埋めるものである。著者らは最小二乗推定量の漸近正規性を確立し、弱い正則性条件のもとでt統計量が漸近的に標準正規分布に従うことを示し、時間効果に自己相関がある場合でも有効な推論が可能であることを示している。

ABSTRACT

We propose improved standard errors and an asymptotic distribution theory for two-way clustered panels. Our proposed estimator and theory allow for arbitrary serial dependence in the common time effects, which is excluded by existing two-way methods, including the popular two-way cluster standard errors of Cameron, Gelbach, and Miller (2011) and the cluster bootstrap of Menzel (2021). Our asymptotic distribution theory is the first which allows for this level of inter-dependence among the observations. Under weak regularity conditions, we demonstrate that the least squares estimator is asymptotically normal, our proposed variance estimator is consistent, and t-ratios are asymptotically standard normal, permitting conventional inference. We present simulation evidence that confidence intervals constructed with our proposed standard errors obtain superior coverage performance relative to existing methods. We illustrate the relevance of the proposed method in an empirical application to a standard Fama-French three-factor regression.

研究の動機と目的

• 時間効果に任意の自己相関が存在する二重クラスタリングパネルデータに対して、理論的裏付けのある推論手法を開発すること。
• 既存の二重クラスタリング標準誤差手法が時間効果の自己相関独立性を仮定しているため、現実的なマクロ経済的依存性下では失敗することを是正すること。
• 二重クラスタリング枠組み内で時間効果に一般な自己相関を組み込む最初の形式的漸近分布理論を提供すること。
• 時間効果に自己相関がある状況下で、既存手法と比較して有限標本における信頼区間のカバレッジ性能を向上させること。
• 実務研究者による即時実装を可能にするStataコマンド（xtregtwo）を提供すること。

提案手法

• 時間効果の自己相関を、時間効果の完全な自己共分散構造を組み込むことで取り入れる、革新的な分散推定法を提案する。
• 弱い正則性条件の下で漸近分布理論を導出し、最小二乗推定量が漸近的に正規分布に従い、t統計量が漸近的に標準正規分布に従うことを証明する。
• 二重固定効果モデルへの拡張を実施し、一般的なパネル回帰設定への適用可能性を確保する。
• 共通時間成分γtにおける自己相関を許容する、クラスターロバスト分散推定法の一般化を採用する。
• 現実的な自己相関を再現するために、異なるρを有するAR(1)過程に従う時間効果を設計する。
• 複数の推定量を比較するモンテカルロシミュレーションを通じて、95％信頼区間のカバレッジ頻度を検証する。

実験結果

リサーチクエスチョン

• RQ1 時間効果に自己相関がある場合に、二重クラスタリングパネルのための一貫性のある分散推定法を開発できるか？
• RQ2 提案手法は、特に小標本下で時間効果に自己相関がある場合でも、信頼区間の正しいカバレッジを維持するか？
• RQ3 時間効果に一般な自己相関がある場合に、t統計量の漸近分布理論は有効か？
• RQ4 時間効果に自己相関がある状況下で、CGM、Thompson、Menzelらの既存手法と比較して、提案手法の性能はいかがなものか？
• RQ5 時間効果に自己相関がある状況下で、提案手法が既存の二重クラスタリング手法を上回るカバレッジ精度を示す条件は何か？

主な発見

• 提案されたCHS推定法は、すべてのシミュレーション設計において名目の95％水準に最も近いカバレッジ頻度を達成し、特に強い自己相関（ρ = 0.75）下で顕著な性能を示す。N=100、T=50の設定ではカバレッジが0.923に達する。
• i.i.d.設計下では、N=50、T=100の設定でCHS推定法は95.0％のカバレッジを達成し、CGM（93.4％）やThompson（91.5％）を上回る。
• ρ = 0.75の依存設計下では、CHS推定法は92.3％のカバレッジを達成し、同様の設定でCGM（89.0％）やThompson（89.2％）を顕著に上回る。
• CGMおよびThompson推定法は、ρが上昇するにつれて顕著なカバレッジ不足（90％未満）を示し、自己相関下での有限標本性能が著しく劣化していることが判明。
• Menzel（2021）のブートストラップおよびMNW推定法は高いカバレッジ（99％以上）を示すが、過剰に慎重（保守的）であるため、一部の状況では反対に過小に有意な結果を示す可能性がある。
• CHS手法は、ラグ構造を事前に指定する必要がなく、Thompson（2011）の手法とは異なり、一般な自己相関下でも有効な推論を維持する。