三维面板数据:R中的格兰杰因果检验

Question

我有如下结构的数据：

​

正如你所看到的，我有“多维面板数据”，也就是说，我不仅有年份和国家，也有行业作为第三个“指数”。我用fixest软件包进行了面板回归分析，以调查PE行业(这是一个虚拟变量)是否会对就业增长产生影响。此外，我在回归分析中包括了几个固定效应(在这种情况下，是国家年、工业年份和国家工业)。

我现在要做的是用来自pgrangertest包的plm公式测试格兰杰因果关系。然而，对于面板分析，我没有使用plm软件包，因为我不能包含三个指标(即年份、国家、行业)，也不能考虑三个固定的交互作用效应(即国家年、产业年和国家工业)。对于fixest包和feols公式来说，这要容易得多。这是我用于回归的公式：feols(Employment Growth ~ PE Industry | Country^Year+Industry^Year+Country^Industry, data = Example)

然而，最固定的软件包不提供(面板)格兰杰因果检验公式。因此，我假设我需要切换到plm包，但我不知道如何将回归公式转换到plm包，因此不知道如何计算因果关系检验。

有什么想法吗?有可能有代码示例吗？

Answer 1

在pgrangertest of package plm中实现的Dumitrescu/Hurlin (2012) 1的Granger非因果检验实际上只是二维(观察单位(在您的国家)和时间段(在您的年份)中的两个变量(其原始值)。所以，国家和年份都会起作用。对于工业和年份而言，如果对当前的问题有意义的话，就需要某种程度的行业聚集(例如，平均每年)。国家、工业和年份同时进行是不可能的。

此外，测试不选择用户指定的回归模型.

pgrangertest使用一个公式对象来指定测试，但它实际上只是variable_A ~ variable_B。

函数?pgrangertest的帮助页中的示例

library(plm)
data("Grunfeld", package = "plm")
pgrangertest(inv ~ value, data = Grunfeld)
#> 
#>  Panel Granger (Non-)Causality Test (Dumitrescu/Hurlin (2012))
#> 
#> data:  inv ~ value
#> Ztilde = 3.2896, p-value = 0.001003
#> alternative hypothesis: Granger causality for at least one individual

1 Dumitrescu E，Hurlin C(2012年)。“异类面板中Granger非因果关系的测试”经济模型，29(4)，1450-1460。ISSN 0264-9993，https://www.sciencedirect.com/science/article/pii/S0264999312000491