Correction des erreurs standard lorsque les variables indépendantes sont autocorrélées

J'ai une question sur la façon de corriger les erreurs standard lorsque la variable indépendante a une corrélation. Dans un cadre simple de séries chronologiques, nous pouvons utiliser la matrice de covariance de Newey-West avec un tas de décalages et cela réglera le problème de corrélation dans les résidus. Que fait-on dans un paramètre de données de panneau? Imaginez la situation où vous observez des entreprises au fil du temps:

où . Il semble que le regroupement des erreurs standard sur et sur devrait résoudre ce problème. Ai-je raison?$\Delta{X_{i,t}} = X_{i,t} - X_{i,t-n}$$i$$t$

Il existe plusieurs façons de corriger l'autocorrélation dans un paramètre de panneau. La façon dont vous décrivez le clustering ne fonctionne pas tout à fait de cette façon. Ce que vous pouvez faire, c'est:

1. Regroupez les erreurs standard sur l'identifiant de l'unité, par exemple la variable ID de l'individu / entreprise / ménage. Cela permet une corrélation arbitraire au sein des individus qui corrige l'autocorrélation.
2. Calculez le facteur Moulton et ajustez vos erreurs standard de manière paramétrique. Si vous avez un panel équilibré, le facteur Moulton est $$M = 1 + (n-1)\rho_e$$ où $\rho_e$est la corrélation intra-individuelle de l'erreur. Il vous suffit alors de multiplier vos erreurs standard avec ce facteur afin d'obtenir un gonflage approprié des erreurs standard naïves qui corrigera l'autocorrélation.
3. Block bootstrap les erreurs standard avec des individus étant des "blocs". En général, les réplications de bootstrap 200-400 devraient être suffisantes pour corriger vos erreurs standard. Pour les très grands panneaux, cette approche peut prendre beaucoup de temps.

Vous pouvez trouver plus d'informations sur ce sujet dans
- Cameron et Trivedi (2010) «Microeconometrics Using Stata», Revised Edition, Stata Press
- Wooldridge (2010) «Econometric Analysis of Cross Section and Panel Data», 2nd Edition, MIT Press