Ökonometrische Datenverarbeitung mit HC- und HAC-Kovarianzmatrixschätzern

Daten, die durch ökonometrische Modelle beschrieben werden, weisen typischerweise Autokorrelation und/oder Heteroskedastizität unbekannter Form auf, und für Inferenz in solchen Modellen ist es wichtig, Kovarianzmatrixschätzer zu verwenden, die die Kovarianz der Modellparameter konsistent schätzen können. Daher haben geeignete heteroskedastizitätskonsistente (HC) und heteroskedastizitäts- und autokorrelationstaugliche (HAC) Schätzer in der ökonometrischen Literatur in den letzten 20 Jahren Aufmerksamkeit erhalten. Um diese Schätzer in der Praxis anzuwenden, ist eine Implementierung erforderlich, die idealerweise die konzeptionellen Eigenschaften der zugrunde liegenden theoretischen Rahmenwerke in rechnergestützte Werkzeuge umsetzt. In diesem Papier wird eine solche Implementierung im Paket sandwich im R-System für statistische Berechnungen beschrieben und es wird gezeigt, wie die vorgeschlagenen Funktionen wiederverwendbare Komponenten bereitstellen, die auf bereits vorhandene Funktionalitäten aufbauen und wie sie leicht in neue inferenzielle Verfahren oder Anwendungen integriert werden können. Die im Paket sandwich enthaltene Toolbox ist äußerst flexibel und umfassend, einschließlich spezifischer Funktionen für die wichtigsten HC- und HAC-Schätzer aus der ökonometrischen Literatur. Mehrere reale Datensätze werden verwendet, um zu veranschaulichen, wie die Funktionalität in Anwendungen integriert werden kann.