Stimatore di Newey-West
Nella statistica e nell'econometria, lo stimatore di Newey-West è un'approssimazione della matrice delle covarianze, utilizzato in quei casi reali per i quali le ipotesi standard della regressione lineare risultino inapplicabili[1] (o non applicabili in modo statisticamente efficiente).
Fu proposto per la prima volta nel 1987 dagli economisti statunitensi Whitney K. Newey e Kenneth D. West, cui seguirono numerose varianti.[2][3][4][5] È impiegato per eliminare l'autocorrelazione dei dati osservati e l'eteroschedasticità delle deviazioni del modello rispetto al valore reale della popolazione di riferimento.
La formula (nota) è la seguente:
Si dimostra[6] che b è uno stimatore consistente di β, e di conseguenza i residui del metodo dei minimi quadrati sono stimatori consistenti dei corrispondenti nella popolazione di riferimento.
Lo stimatore può essere calcolato con:
- il programma MATLAB, tramite il comando
hac
[7]; - Stata, tramite il comando
newey
[8]; - il programma open-source Gretl, tramite l'opzione
--robust
in combinazione con comandi qualiols
, per l'analisi di una serie storica.[9]; - i pacchetti
sandwich
[10] eplm
[11] dell'ambiente di sviluppo R; - nell'ambiente di Python, dal modulo
statsmodels
.[12]
Note[modifica | modifica wikitesto]
- ^ (EN) Newey West estimator – Quantitative Finance Collector, su mathfinance.cn. URL consultato l'11 luglio 2019 (archiviato dall'url originale l'11 luglio 2019).
- ^ (EN) Whitney K Newey e Kenneth D West, A Simple, Positive Semi-definite, Heteroskedasticity and Autocorrelation Consistent Covariance Matrix, in Econometrica, vol. 55, n. 3, 1987, pp. 703–708, DOI:10.2307/1913610, JSTOR 1913610.
- ^ (EN) Heteroskedasticity and autocorrelation consistent covariance matrix estimation, in Econometrica, vol. 59, n. 3, 1991, pp. 817–858, DOI:10.2307/2938229, JSTOR 2938229.
- ^ (EN) Whitney K. Newey e Kenneth D. West, Automatic lag selection in covariance matrix estimation, in Review of Economic Studies, vol. 61, n. 4, 1994, pp. 631–654, DOI:10.2307/2297912, JSTOR 2297912.
- ^ (EN) Richard J. Smith, Automatic positive semidefinite HAC covariance matrix and GMM estimation (PDF), in Econometric Theory, vol. 21, n. 1, 2005, pp. 158–170, DOI:10.1017/S0266466605050103.
- ^ Corso di Econometria - a.a. 2014/2015 (PDF), su Università di Bari - Dipartimento di Matematica, p. 22. URL consultato l'11 luglio 2019 (archiviato l'11 luglio 2019).
- ^ (EN) Heteroscedasticity and autocorrelation consistent covariance estimators, in Econometrics Toolbox.
- ^ Regression with Newey–West standard errors (PDF), su stata.com.
- ^ (EN) Robust covariance matrix estimation (PDF), su gretl.sourceforge.net.
- ^ (EN) sandwich: Robust Covariance Matrix Estimators, su CRAN.
- ^ (EN) plm: Linear Models for Panel Data, su CRAN.
- ^ (EN) statsmodels: Statistics, su statsmodels.org.
Bibliografia[modifica | modifica wikitesto]
- (EN) Herman J. Bierens, Topics in Advanced Econometrics : Estimation, Testing, and Specification of Cross-section and Time Series Models, New York, Cambridge University Press, 1994, pp. 195–198, ISBN 978-0-521-41900-0.
- (EN) James D. Hamilton, Time Series Analysis, Princeton University Press, 1994, pp. 279–285, ISBN 978-0-691-04289-3.
- Fumio Hayashi, Econometrics, Princeton, Princeton University Press, 2000, pp. 408–410, ISBN 978-0-691-01018-2.
- (EN) James H. Stock e Mark M. Watson, Introduction to Econometrics, Third international, Harlow, Pearson, 2012, pp. 637–642, ISBN 978-1-4082-6433-1.
- (EN) A. Zeileis, Econometric Computing with HC and HAC Covariance Matrix Estimators, in Journal of Statistical Software, vol. 11, n. 10, 2004, pp. 1–17, DOI:10.18637/jss.v011.i10.