Dynamiska panelmodeller, där tidigare värden av den beroende variabeln används för att förklara senare värden, är mycket vanliga i empirisk forskning. Den vanliga GMM-estimatorn ger dock snedvridna resultat när tvärsnittsdimensionen är kort eller när utfallsvariabeln förändras lite mellan tidsperioderna. Denna artikel föreslår en ny metod för att skatta dynamiska panelmodeller.
Dynamiska panelmodeller, där tidigare värden av den beroende variabeln inkluderas som förklarande variabler, är mycket vanliga i empirisk ekonomisk forskning. De används exempelvis för att analysera ekonomisk tillväxt, arbetslöshet, inflation och politiska institutioner över tid. De vanligaste estimatorerna använder den så kallade generaliserade momentmetoden (GMM). Dessa är väntevärdesriktiga när antalet tvärsnittsenheter är stort och tidsdimensionen kort. I praktiken lider dock dessa metoder ofta av problem med svaga instrument, känslighet för val av instrumentuppsättning och snedvridna skattningar (bias), när panelerna är mer persistenta – det vill säga när värdet av utfallsvariabeln förändras lite mellan tidsperioder – eller har en längre tidsdimension. Denna uppsats föreslår en ny estimator för dynamiska panelmodeller, kallad Modified Instrumental Variables (MIV).
Simuleringar visar lägre bias än etablerade metoder
Omfattande Monte Carlo-simuleringar visar att MIV-estimatorn har betydligt lägre bias i små stickprov än GMM. Metoden fungerar väl även när panelerna är mycket persistenta. Samtidigt är beräkningarna enklare än för maximum likelihood-baserade estimatorer, vilka ofta kräver starkare antaganden och mer komplex numerisk optimering.
Empiriska tillämpningar inom politisk ekonomi och makroekonomi
Uppsatsen demonstrerar estimatorns praktiska användbarhet i tre empiriska tillämpningar: sambandet mellan utlandsstudier och demokrati, sambandet mellan guvernörers valmarginaler och policyexperiment i amerikanska delstater samt relationen mellan omfördelning, ojämlikhet och ekonomisk tillväxt. I samtliga fall visar resultaten att GMM-estimatorerna kan ge kraftigt varierande resultat beroende på val av instrument och specifikation. Den föreslagna MIV-metoden ger däremot mer stabila skattningar över olika modellvarianter.
Sammanfattningsvis erbjuder MIV-estimatorn ett enkelt och robust alternativ till etablerade metoder för dynamiska panelmodeller och kan ge mer tillförlitliga resultat, särskilt i paneler med hög persistens eller begränsad tvärsnittsdimension.
