Prices and market shares are the de

Prices and market shares are the dependent variables in all of the hypotheses, but since prices and market shares are codetermined by the inter-action of demand and supply equations, the separate effects of demand and supply must be separated by means of a simultaneous-equation estimation (Judge at al„ 1982: 337-366). For this reason, both Robinson and Fornell (1985) and Robinson (1988) used a simultaneous- equation methodology in their estimates of the magnitude of first-mover and early-mover advan-
Likewisc, this study also uses a simultaneous- equation methodology, namely Hatanaka’s (1976) procedure for estimating simultaneous-equation systems with both lagged-dependent variables as regressors and serially autocorrelated error terms. A first-order autoregressive (AR1) error term is included in each equation of the model because serially autocorrelated errors are likely to occur in regression models using time series data that exhibit gradual period-to-period changes. A lagged dependent variable is included as a regressor in each equation of the model in order to guard against the possibility of having a ‘reverse-causality’ effect that biases the results. A common problem in regressions of economic data is determining the direction of causality in the relationships between variables. In a regression of variable Y on variable X, it is not always clear whether the observed slope coef¬ficient represents the effect of X on Y, the effect of Y on X, or some combination of both. If Y has a causal effect on X, but X does not have a causal effect on Y, then a regression of Y on X will yield a significant slope that one might misinterpret as the effect of X on Y even though it is actually due to the effect of Y on X. One common approach to solving this problem, embodied in the Granger-Sims causality test (Granger, 1969; Sims, 1972; Doan, 1992: section 6.4), is to conclude that a causal relationship between two variables exists only if the coef¬ficient is statistically significant when a lagged- dependent variable is also included as an inde¬pendent variable in the regression. However, the usual estimation procedures for regression with an autocorrelated error term (e.g., Prais-Winsten, Cochrane-Orcutt, Hildreth-Lu, Yule-Walker, and Beach-MacKinnon) are inconsistent and therefore inappropriate when one of the regressors is a lagged-dependent variable. The only known consistent and asymptotically efficient procedures for estimating a simultaneous-equation system with both a lagged-dependent regressor and a serially autocorrelated error term are described

Kết quả (Việt) 1:

Giá cả và thị phần đang biến phụ thuộc trong tất cả những giả thuyết, nhưng kể từ khi giá cả và thị trường cổ phiếu được codetermined bởi các hành động giữa nhu cầu và nguồn cung cấp các phương trình, những tác động riêng biệt của nhu cầu và nguồn cung cấp phải được tách bằng phương tiện của một ước lượng phương trình đồng thời (thẩm phán tại al"năm 1982: 337-366). Vì lý do này, cả Robinson và Fornell (1985) và Robinson (1988) sử dụng một phương pháp đồng thời phương trình của họ ước tính độ lớn của đầu tiên mover và sớm triển khai nhanh advan-Likewisc, nghiên cứu này cũng sử dụng một phương pháp đồng thời phương trình, cụ thể là của Hatanaka (1976) thủ tục ước lượng phương trình đồng thời hệ thống với biến phụ thuộc tụt cả hai như regressors và serially autocorrelated lỗi điều khoản. Một thuật ngữ lỗi đầu tiên đặt hàng autoregressive (AR1) được bao gồm trong mỗi phương trình của các mô hình vì serially autocorrelated lỗi có khả năng xảy ra trong mô hình hồi qui bằng cách sử dụng dữ liệu chuỗi thời gian triển lãm dần dần thay đổi khoảng thời gian khoảng thời gian. Một biến phụ thuộc lagged được bao gồm như là một regressor trong mỗi phương trình của các mô hình để bảo vệ chống lại khả năng có một hiệu ứng 'đảo ngược nhân quả' biases kết quả. Một vấn đề phổ biến trong regressions dữ liệu kinh tế là xác định hướng của nhân quả trong các mối quan hệ giữa các biến. Trong một hồi qui biến Y vào biến X, nó không phải là luôn luôn rõ ràng cho dù quan sát sườn coef¬ficient đại diện cho tác động của X Y, tác dụng của Y trên X hoặc một số kết hợp của cả hai. Nếu Y có một ảnh hưởng quan hệ nhân quả X, nhưng X không có những nguyên nhân tác động Y, sau đó một hồi quy Y trên X sẽ mang lại độ dốc đáng kể một trong những có thể giải thích sai như ảnh hưởng của X Y mặc dù nó thực sự là do ảnh hưởng của Y trên X. Một trong những phương pháp phổ biến để giải quyết vấn đề này, thể hiện trong các bài kiểm tra quan hệ nhân quả Granger-Sims (Granger, 1969; Sims, 1972; Doan, 1992: phần 6.4), là kết luận rằng mối quan hệ nhân quả giữa hai biến tồn tại chỉ khi coef¬ficient ý nghĩa thống kê khi một lagged - phụ thuộc vào biến cũng bao gồm như là một biến inde¬pendent trong các hồi quy. Tuy nhiên, các thủ tục thông thường dự toán cho các hồi quy với một thuật ngữ lỗi autocorrelated (ví dụ: Prais-Winsten, Cochrane-Orcutt, Hildreth-Lu, Yule-Walker, và bãi biển-MacKinnon) là không phù hợp và do đó không phù hợp khi một trong những regressors là một biến phụ thuộc tụt. Chỉ được biết đến nhất quán và hiệu quả tiệm cận thủ tục ước tính một hệ thống phương trình đồng thời với cả hai regressor lagged phụ thuộc vào một và một serially autocorrelated thuật ngữ lỗi được mô tả

Kết quả (Việt) 2:

Giá cả và thị trường cổ phiếu là các biến phụ thuộc vào tất cả các giả thuyết, nhưng kể từ khi giá cả và thị trường cổ phiếu đang codetermined bởi liên hành động của cung và cầu phương trình, các hiệu ứng riêng biệt của cung và cầu phải được phân cách bằng phương tiện của một đồng thời phương trình dự toán (Thẩm phán tại al "1982: 337-366). Vì lý do này, cả hai Robinson và Fornell (1985) và Robinson (1988) đã sử dụng một phương pháp phương trình simultaneous- trong dự đoán của họ về tầm quan trọng của người đi đầu và đầu mover advan
Likewisc, nghiên cứu này cũng sử dụng một phương pháp phương trình simultaneous-, cụ thể là Hatanaka của (1976) thủ tục để ước lượng các hệ thống đồng thời phương trình với cả hai biến có độ trễ phụ thuộc là biến hồi quy và các điều khoản lỗi serially autocorrelated. Một sai thứ tự đầu tiên tự hồi quy (AR1) được bao gồm trong mỗi phương trình của mô hình vì lỗi serially autocorrelated là khả năng xảy ra trong các mô hình hồi quy sử dụng dữ liệu chuỗi thời gian mà hiện dần dần thời gian đến thời kỳ thay đổi. Một biến phụ thuộc trễ được bao gồm như là một regressor trong mỗi phương trình của mô hình để bảo vệ chống lại các khả năng có một hiệu ứng "đảo ngược quan hệ nhân quả" mà những thành kiến kết quả. Một vấn đề thường gặp trong các hồi quy của dữ liệu kinh tế được xác định hướng của quan hệ nhân quả trong các mối quan hệ giữa các biến. Trong một hồi quy của biến Y vào biến X, nó không phải là luôn luôn rõ ràng cho dù dốc coef¬ficient quan sát đại diện cho ảnh hưởng của X vào Y, tác dụng của Y trên X, hoặc kết hợp cả hai. Nếu Y có tác dụng nhân quả trên X, nhưng X không có một tác nhân quả về Y, sau đó một hồi quy của Y trên X sẽ mang lại một độ dốc đáng kể mà người ta có thể hiểu sai như ảnh hưởng của X vào Y mặc dù nó thực sự là do ảnh hưởng của Y trên X. một phương pháp phổ biến để giải quyết vấn đề này, thể hiện trong các bài kiểm tra quan hệ nhân quả Granger-Sims (Granger, 1969; Sims, 1972; Doan, 1992: mục 6.4), là để kết luận rằng một mối quan hệ nhân quả giữa hai biến chỉ tồn tại nếu coef¬ficient là ý nghĩa thống kê khi một biến phụ thuộc lagged- cũng được bao gồm như là một biến inde¬pendent trong hồi quy. Tuy nhiên, thủ tục lập dự toán thông thường cho hồi quy với một sai autocorrelated (ví dụ, Prais-Winsten, Cochrane-Orcutt, Hildreth-Lu, Yule-Walker và Bãi biển-MacKinnon) là không phù hợp và do đó không thích hợp khi một trong các biến hồi quy là một tụt hậu -biến phụ thuộc. Các thủ tục nhất quán và tiệm cận hiệu quả chỉ được biết đến với ước tính một hệ thống đồng thời phương trình với cả một regressor trễ phụ thuộc và một sai serially autocorrelated được mô tả