Driscoll-Kraay Standart Hataları
Driscoll-Kraay Standard Errors · Ayrıca şöyle bilinir: DK Standard Errors, Driscoll-Kraay Covariance Estimator, Spatial-Temporal HAC Standard Errors, Driscoll-Kraay Standart Hatalar
Driscoll-Kraay standart hataları, dengeli ve dengesiz panel veri kümeleri için parametrik olmayan, değişen varyans ve otokorelasyon tutarlı (HAC) bir kovaryans tahmin edicisi sağlar. Driscoll ve Kraay tarafından 1998'de tanıtılan bu yöntem, artıkların kesitsel bağımlılık, seri otokorelasyon ve değişen varyans özelliklerini aynı anda sergilediği durumlarda çıkarım yapmayı düzeltir—bu sorunlar, ülkeler veya sektörler gibi birimlerin ortak şokları paylaştığı makroekonomik ve uluslararası finans panellerinde yaygındır.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
[REQUIRES_MANUAL_TRANSLATION: See EN[7] - 'Apply Driscoll-Kraay standard errors when working with macro panels...']
Güçlü yönler & sınırlılıklar
- N'nin büyüklüğünden bağımsız olarak T büyüdükçe tutarlıdır, bu da onu makro paneller için çok uygun hale getirir.
- Herhangi bir doğrusal tahminciye (OLS, sabit etkiler, birinci farklar) bir tahmin sonrası sandviç düzeltmesi olarak uyumludur.
- Stata (xtscc), R (sandwich, plm) ve Python (linearmodels) içinde yaygın olarak uygulanmıştır, bu da kolay uygulama sağlar.
- Tutarlılık T → ∞'ya bağlıdır; küçük T ile tahminci güvenilmez olabilir ve yetersiz kapsama sağlayabilir.
- Sadece kovaryans matrisini düzeltir, katsayı tahminlerini değil.
- Bant genişliği seçimi m(T) kurala dayalıdır (genellikle T^(1/4) tabanı); sonuçlar bu seçime duyarlı olabilir.
- Doğrusal olmayan modeller veya sınırlı bağımlı değişkenli paneller için ek türetme olmadan geçerli değildir.
- T'nin çok küçük olduğu durumlarda (örn. T < 10) Driscoll-Kraay kullanmak ciddi şekilde bozulmuş çıkarımlara yol açabilir; uygulamadan önce T'nin yeterli olup olmadığını doğrulayın.
SSS
İki yönlü kümeleme, birim ve zaman tarafından ayrı ayrı tanımlanan kümeler içindeki bağımlılığı ayarlar ve asimptotikler için hem N hem de T'nin büyük olmasına dayanır. Driscoll-Kraay, tüm birimler üzerindeki skorları toplar ve bir HAC çekirdeği uygular, bu nedenle asimptotikleri yalnızca T → ∞'ya bağlıdır ve ayrık küme gruplamaları gerektirmeden bilinmeyen formdaki uzamsal bağımlılığı ele alır.
Driscoll-Kraay'ı rastgele etkiler veya araç değişkenlerle kullanabilir miyim?
Orijinal türetme OLS ve grup içi (sabit etkiler) tahmincileri kapsar. IV ve GLS bağlamlarına uzantılar, OLS artıklarını ve skor matrislerini IV veya GLS benzerleriyle değiştirerek gerçekleştirilebilir, ancak bunlar dikkatli uygulama gerektirir ve standart yazılım paketlerinde her zaman bulunmaz.
Gecikme kesme m(T) için hangi bant genişliğini seçmeliyim?
Varsayılan kural m(T) = floor(T^(1/4))'tür; bu, Driscoll ve Kraay (1998) tarafından pratik bir başlangıç noktası olarak önerilmiştir. Araştırmacılar ayrıca artık otokorelasyon fonksiyonlarını incelemeli ve sonuçların bu seçime yüksek derecede duyarlı olmadığından emin olmak için küçük bir bant genişliği aralığında duyarlılık kontrolleri yapmalıdır.
Stata'da xtscc komutunu kullanın; R'da sandwich paketinden vcovSCC fonksiyonunu veya plm ile coeftest'i kullanın; Python'da linearmodels PanelOLS'yi DriscollKraay kovaryans tahmincisi ile kullanın.
Kaynaklar
- Driscoll, J. C., & Kraay, A. C. (1998). Consistent covariance matrix estimation with spatially dependent panel data. Review of Economics and Statistics, 80(4), 549–560. DOI: 10.1162/003465398557825 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 2). Driscoll-Kraay Standard Errors. ScholarGate. https://scholargate.app/tr/econometrics/driscoll-kraay-se
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Newey-West HAC Standart HatalarıEkonometri↔ karşılaştır
- Pesaran CD Testi: Panel Veriler için Kesitsel Bağımlılık Tanı YöntemiEkonometri↔ karşılaştır