Dữ liệu bảng - Phân tích nhân quả ( causality in Panel data)

Dữ liệu bảng - Phân tích nhân quả ( causality in Panel data)

Phân tích nhân quả thường được áp dụng để tìm hiểu tác động của các biến số kinh tế vĩ mô: 

ví dụ: cung tiền M2 đến lạm phát, tăng trưởng GDP

	Với các chuỗi dữ liệu vĩ mô theo thời gian (timeseries), phân tích nhân quả được dùng phổ biến nhất là Granger Causality (tính nhân quả Granger). Tất nhiên, việc này đi kèm với các mô hình phân tích chuỗi thời gian phổ biến: VAR, VECM hoặc ECM. Trong mô hình dữ liệu bảng, việc thực hiện các bước để ước lượng để phân tích nhân quả cũng tương tự trong mô hình của dữ liệu chuỗi thời gian. Các bước ước lượng: Bước 1: Kiểm tra tính dừng của các biến trong dữ liệu Phương pháp tối ưu trong thực hiện kiểm tra tính dừng của dữ liệu là thực hiện kiểm tra tính dừng theo chuỗi thời gian và theo dữ liệu bảng. Nếu tất cả đều I(0) thì ước lượng OLS bình thường hoặc các mô hình panel khác. Nếu tất cả đều I(1) thì thực hiện mô hình VAR hoặc VECM cho dữ liệu bảng ví dụ cho kiểm tra tính dừng dữ liệu bảng Bước 2: Kiểm tra đồng liên kết Tương tự bước 1, phương pháp tối ưu vẫn là thực hiện kiểm tra theo chuỗi thời gian và theo dữ liệu bảng. Lệnh kiểm tra trên dữ liệu bảng bao gồm nhiều lệnh áp dụng cho bảng cân bằng, ko cân bằng, bảng có sai số thay đổi hay vấn đề tương quan. Kết quả kiểm tra: Nếu có đồng liên kết thực hiện ước lượng VECM dữ liệu bảng. Nếu không có đồng liên kết thực hiện ước lượng VAR dữ liệu bảng ví dụ cho kiểm tra đồng liên kết dữ liệu bảng Bước 3: Ước lượng mô hình tương ứng Ước lượng các mô hình tương ứng trong dữ liệu bảng (VAR, VECM, DOLS hay ARDL) để tìm ra các hệ số tương tác và điều chỉnh trong ngắn và dài hạn ví dụ ước lượng mô hình VECM dữ liệu bảng