Причинность в микроэкономике против причинности Грейнджера в эконометрике временных рядов

Я понимаю причинно-следственную связь, используемую в микроэкономике (в частности, в IV или при расчете разрыва регрессии), а также причинность Грейнджера, используемую в эконометрике временных рядов. Как мне связать одно с другим? Например, я видел, как оба подхода использовались для данных панели (скажем, , T = 20 ). Любая ссылка на документы в этом отношении будет принята с благодарностью.$N=30$$T=20$

Скажем, у вас есть два вектора Тогдагтне Грейнджер причинойутеслиЕ(ут|F1,т-1)=Е(ут|

$$\begin{align} F_{1,t} &= (y_t, y_{t-1}, y_{t-2},...) \newline F_{2,t} &= (y_t, z_t, y_{t-1}, z_{t-1},...) \end{align}$$ $z_t$$y_t$, т.е. z $E(y_t | F_{1,t-1}) = E(y_t | F_{2,t-1})$$z_t$не может помочь предсказать . Таким образом, термин Грейнджер «причинность» несколько вводит в заблуждение , потому что , если переменная полезна для прогнозирования другой переменной B это не означает , что на самом деле вызывает B . См., Например, обсуждение в Hansen (2014) (стр. 319).$y_t$$A$$B$$A$$B$

Как глупый пример, утром, перед тем, как взойдет солнце, петух будет кричать. Если вы проведете тест причинности Грейнджер на серии ворон петуха и восхода солнца, вы обнаружите, что ворона петуха вызывает восход солнца. Но тогда это не может быть действительно причинно-следственной связью. Причина, по которой я назвал этот пример «глупым», приведена в аккуратном комментарии Хао Е. Этот пример полезен для иллюстрации того, почему событие Грейнджер может вызвать другое, но не может вызвать его в том смысле, что микроэкономисты понимают причинность.

Причинность в микроэконометрии в основном основана на структуре потенциальных результатов Дональда Рубина (см. Angrist, Imbens and Rubin (1996) ). Судя по этому вопросу, вы, вероятно, читали экономическую экономику «В основном безвредные», поэтому я предполагаю, что вы знакомы с тем, какие причинные эффекты оценивают различные методы, такие как IV, разность различий, сопоставление или оценки разрывов регрессии. В любом случае, между этими микроэконометрическими методами оценки причинно-следственных эффектов и причинно-следственной связи Грейнджера нет прямой связи с тем простым фактом, что причинность Грейнджера в действительности не является причинно-следственной.

$$Y_{ist} = \gamma_s + \lambda_t + \beta D_{s,t} + X'_{ist}\pi + \epsilon_{ist}$$ $i$$s$$t$$D_{st}$$D_{st}$$D_{st}$$D_{st}$$K$$M$ $$Y_{ist} = \gamma_s + \lambda_t + \sum^{M}_{m=0}\beta_{-m} D_{s,t-m} + \sum^{K}_{k=1}\beta_{+k} D_{s,t+k} + X'_{ist}\pi + \epsilon_{ist}$$ кто оценил ожидаемое / запаздывающее влияние усиления защиты занятости на использование фирмами временных работников.

Эта идея подхватывает аргумент, приведенный в ответе coffeinjunky. Когда мы уже можем с уверенностью сказать, что есть причинный эффект, мы можем использовать идею причинности Грейнджер для дальнейшего изучения эффекта, как это делает Autor (2003). Это не может быть использовано, чтобы доказать это, хотя.

$X_t$$Y_t$в том смысле, что первое вызывает второе, и предположим, что это происходит во временном измерении с запаздыванием в один период, скажем. То есть мы можем легко применить структуру потенциальных результатов к двум временным рядам и определить причинность таким образом. Тогда возникает вопрос: хотя причинность Грейнджера не имеет «смысла» для причинности, как это определено в структуре потенциальных результатов, подразумевает ли причинность причинность Грейнджера в контексте временных рядов?

Я никогда не видел дискуссии по этому вопросу, но я думаю, что если вы или какой-либо исследователь хотите обосновать это, вам нужно навязать какую-то дополнительную структуру. Ясно, что переменные должны реагировать вяло, то есть причинно-следственная связь здесь не должна быть одновременной, а определяться с запаздыванием. Тогда, я думаю, это может быть обнадеживающим, чтобы не отвергнуть причинность Грейнджер. Хотя это явно не является доказательством в пользу причинно-следственной связи, но если бы вы заявили об этом, я бы взял тест GNC в качестве субъективного доказательства.