Estimation of equation (1) presents

Estimation of equation (1) presents a number of challenges. The first challenge is related to the overlapping nature of data: since percent changes are computed yoy with monthly data, the error term has, by construction, a moving average form that prevents standard statistical inference. Serial correlation is also introduced because of lagging and successive leading of the dependent variable. Moreover, it is difficult to assume that the error terms are cross-sectionally independent. To control for both serial correlation and cross-sectional dependence we adopt the Driscoll-Kraay standard errors.Driscoll and Kraay (1998) propose a nonparametric covariance matrix estimator that generates heteroskedasticity and autocorrelation-consistent standard errors that are also robust to cross-sectional dependence

Kết quả (Việt) 1:

Ước tính của phương trình (1) trình bày một số thách thức. Thử thách đầu tiên là liên quan đến tính chất chồng chéo dữ liệu: kể từ khi thay đổi phần trăm tính yoy dữ liệu hàng tháng, thuật ngữ lỗi có, bằng cách xây dựng, một hình thức trung bình di chuyển có thể ngăn chặn suy luận thống kê tiêu chuẩn. Serial correlation cũng đã giới thiệu vì tụt hậu và hàng đầu thế giới kế tiếp của biến phụ thuộc. Hơn nữa, nó khó để thừa nhận các điều khoản lỗi độc lập cross-sectionally. Để điều khiển cho cả serial correlation và phụ thuộc vào mặt cắt chúng ta áp dụng lỗi chuẩn Driscoll-Kraay. Driscoll và Kraay (1998) đề xuất một ước tính ma trận hiệp phương sai nonparametric tạo heteroskedasticity và autocorrelation phù hợp các lỗi chuẩn là cũng mạnh mẽ để phụ thuộc vào mặt cắt

Kết quả (Việt) 2:

Ước lượng phương trình (1) trình bày một số thách thức. Thách thức đầu tiên có liên quan đến bản chất chồng chéo dữ liệu: từ tỷ lệ thay đổi được tính so với cùng kỳ dữ liệu hàng tháng, thời hạn báo lỗi có, bởi việc xây dựng, một hình thức trung bình động ngăn chặn suy luận thống kê tiêu chuẩn. Nối tiếp tương quan cũng được giới thiệu vì hàng đầu chậm và tiếp của biến phụ thuộc. Hơn nữa, rất khó để giả định rằng các điều khoản lỗi cross-sectionally độc lập. Để kiểm soát cho cả tương quan nối tiếp và cắt ngang phụ thuộc chúng tôi áp dụng các tiêu chuẩn Driscoll-Kraay errors.Driscoll và Kraay (1998) đề xuất một hiệp phương sai không tham số ma trận ước mà tạo ra heteroskedasticity và tự tương-hợp sai số chuẩn đó cũng là mạnh mẽ đến sự phụ thuộc cắt ngang