1. Kako testirati „zakon“ koji stalno menja mišljenje
Ovo je drugi nastavak u kratkom serijalu o odnosu nezaposlenosti i ekonomskog rasta, Okunovom zakonu. Prva objava je uvela ideju i njene dve glavne specifikacije; ova je „metodološki objava“ koja korak po korak pokazuje kako zapravo pokušavamo da proverimo taj odnos u podacima, a da nas ne prevare statistike koje deluju samouvereno, a nisu. Treći i završni korak biće zabavniji: empirijska verifikacija na podacima zemalja bivše Jugoslavije, gde je malo verovatno da će se odnos dugo ponašati pristojno.
Metodološka objava lako može da sklizne u vodič kroz tehničke detalje. Hajde da to izbegnemo. Posmatrajte ovaj radni tok kao skup zaštitnih ograda. Svaki test ili model uvodimo iz konkretnog razloga: ili zato što je analiza makro vremenske serije klizav teren, ili zato što se Okunov odnos lako izobliči strukturnim promenama, izborima merenja i običnim šumom. Ovaj tok je sekvencijalan namerno: svaka etapa odgovara na pitanje čiji odgovor određuje šta smete da radite sledeće.
Paralelno vodimo i prateći tok za panel metode. Ne zato što su paneli „bolji“, već zato što ćemo kasnije analizirati i pojedinačne zemlje, pa je korisno da logika bude dosledna u oba sveta. Panel može povećati snagu testova kada su vremenske serije kratke, ali uvodi nove rizike, naročito međuzavisnost uporednih podataka, pa traži sopstvenu dijagnostičku disciplinu.
2. Prvo: Ne spotaknite se o stacionarnost
Okunov zakon je priča o zajedničkom kretanju: proizvodnja i nezaposlenost se kreću zajedno na predvidljiv način. Ali makro serije često „lutaju“, imaju trend, slamaju se, i ponekad se prave da se vraćaju tek pošto ste već objavili rad. Ako regresiramo stvari koje lutaju na druge stvari koje lutaju, možemo proizvesti impresivne statistike iz čistog besmisla. Prvi posao je, dakle, da utvrdimo vremensko-serijske osobine serija koje planiramo da koristimo.
Zato tok počinje testiranjem jediničnog korena i proverama stacionarnosti. Cilj nije da pobedimo u filozofskoj raspravi o tome da li BDP „zaista“ ima jedinični koren. Cilj je uži i praktičniji: da odlučimo da li treba da radimo u razlikama, u nivoima, ili u okviru korekcije greške (eng. error-correction) koji dopušta i kratkoročne dinamike i dugoročne odnose.
U ovoj metodologiji tu etapu ne tretiramo kao jedan test, već kao triangulaciju: različiti testovi imaju različite nulte hipoteze i različitu osetljivost. To je korisno, jer se makro podaci retko ponašaju dovoljno lepo da ispune idealne uslove bilo kog pojedinačnog testa.
3. Drugo: Pretpostavite da se svet lomi, i testirajte to
U makroekonomiji, „strukturni prelom“ je učtiv izraz za „istorija se desila“. Veliki događaji, krize, promene režima, redefinicije institucija tržišta rada, sve to može promeniti odnos koji pokušavamo da procenimo. Ako su prelomi prisutni, a mi ih ignorišemo, mnogi standardni testovi jediničnog korena i kointegracije gube snagu ili postaju varljivi. Zato tok eksplicitno tretira prelom kao građanina prvog reda.
Metodologija zato dodaje testove jediničnog korena robusne na prelom, testove koji dopuštaju jedan ili više preloma u nivou ili trendu, umesto da pretpostavljaju da je proces generisanja podataka isti „otkad postoje kvartalni nacionalni računi“. Praktično značenje je jednostavno: ako serija nezaposlenosti skoči jer se tržište rada reorganizuje, ili ako trend proizvodnje promeni pravac jer se menja model rasta, to ne treba tumačiti kao „dokaz“ nestacionarnosti ili kao dokaz da nedostaje dugoročni odnos. Treba to tumačiti kao prelom, a zatim testirati u skladu s tim.
Ova logika je važna i nizvodno. Studija eksplicitno napominje da „veliki događaji poput finansijskih kriza, pandemija i promena režima politike mogu proizvesti prelom“ koji „standardne metode kointegracije čini nepouzdanim“. To upozorenje nije ukras. To je razlog zašto tok uključuje kointegraciju sa strukturnim prelomom uz „standardnu“ kointegraciju.
4. Treće: Odlučite da li ispitujete kratkoročne ili dugoročne promene
Okunov zakon može se ispričati kao kratkoročna priča (promene nezaposlenosti kao reakcija na rast) ili kao priča jaza (neiskorišćenost kapaciteta na tržištu rada kao reakcija na neiskorišćenost kapaciteta proizvodnje). Metodološki, taj se izbor preslikava na različite ekonometrijske objekte.
Tok drži obe priče u vidu tako što kointegraciju postavlja u središte. Ako su serije integrisane i kointegrisane, postoji dugoročni ravnotežni odnos, nazovite ga „gravitacija“, i očekuje se da se odstupanja vremenom koriguju. To je veoma različit svet od onog u kome odnos postoji samo u kratkoročnim promenama, bez ikakvog gravitacijskog efekta ravnoteže.
Zato tok pita: da li nezaposlenost i proizvodnja (ili njihove jaz varijante) dele dugoročni odnos, ili smo ograničeni na kratkoročne dinamike? Odgovor određuje da li nastavljamo sa reprezentacijom korekcije greške i dugoročnim koeficijentima, ili ostajemo u modelima razlike.
5. Četvrto: Testirajte kointegraciju kao da sami sebi ne verujete
Testovi kointegracije su centralna raskrsnica. To je i mesto gde istraživači najlakše izvlače samo one testove koji im odgovaraju, jer postoji mnogo testova, a oni mogu da se ne slože. Tok to rešava ne tako što se pretvara da postoji jedan savršen test, već tako što koristi koherentan skup metoda koji ciljaju različite slabosti.
Studija grupiše metode kointegracije u četiri porodice: (i) rezidualne metode jedne jednačine, (ii) multivarijacione sistemske metode, (iii) ARDL granično testiranje, i (iv) kombinovane pristupe testiranju. Poenta nije gomilanje metoda; poenta je robustnost, da istom pitanju priđemo iz više uglova.
5.1 Rezidualna kointegracija
Rezidualni pristup (u duhu Englea i Grangera) je intuitivan: ocenite dugoročni odnos i testirajte da li se rezidual ponaša kao stacionarna greška, a ne kao serija koja “luta”. Privlačan je jer se čisto vezuje za ekonomsku priču: proizvodnja i nezaposlenost mogu odstupati kratkoročno, ali odstupanje ne bi smelo da eksplodira zauvek ako postoji ravnotežna veza.
Jedna prosta, tipična reprezentacija je:
Ako je (
) stacionarna serija, (
) i (
) su kointegrisani; odnos nije samo jednovremena korelacija našminkana kao teorija. Metodologija koristi ovu logiku uz priznanje ograničenja, posebno kada se i sam dugoročni odnos može menjati.
5.2 Kointegracija uz promenu režima
Pošto prelomi mogu poništiti standardne rezidualne testove, tok uključuje i rezidualne testove koji eksplicitno dopuštaju promenu režima u kointegracionoj vezi. To nije ekonometrijska akrobacija. To je priznanje da Okunov zakon može „važiti“ u jednom režimu tržišta rada i izgledati slabije (ili drugačije) u drugom, bez toga da podaci postanu besmisleni.
5.3 ARDL granični test: Kointegracija bez preteranih obećanja
ARDL pristup uvodi se iz pragmatičnog razloga: može testirati dugoročni odnos čak i kada su regresori mešavina I(0) i I(1), i često radi dobro u malim uzorcima, uslovima koji su česti u makro analizi, naročito sa godišnjim podacima. Studija ističe ARDL kao „fleksibilan i pogodan za male uzorke“ i naglašava da „dopušta različite dužine docnji za zavisnu i nezavisne promenljive“.
Jednako važno, ARDL dolazi sa interpretacijom koja ekonomistima prija: možete pročitati i kratkoročne i dugoročne efekte, i tumačiti povratak ka ravnoteži u formi korekcije greške. Tu tok počinje da liči na ekonomsku naraciju, a ne na statistički ritual.
Jednostavan ARDL model (kako je predstavljen u studiji) izgleda ovako:
Ključni ekonomski objekat ovde je (\lambda): koeficijent prilagođavanja. Ako je on negativan i statistički značajan, odstupanja od dugoročnog odnosa imaju tendenciju da se koriguju. To je ekonometrijski ekvivalent ekonomske rečenice: „Okunov zakon nije samo kratkoročno talasanje; on ima privlačnu snagu“.
Tok takođe objašnjava kako granični test operacionalizuje odluku: testira zajedničku značajnost nivoa promenljivih sa docnjom, a zaključak zavisi od toga da li je F-statistika ispod donje granice (nema kointegracije), iznad gornje granice (kointegracija), ili u neprijatnoj sredini (neodlučno). To je disciplinovan način da se prizna neizvesnost umesto da se sakrije iza jedne p-vrednosti.
5.4 „Ne kladite se samo na jedan test“: Kombinovani pristupi
Metodologija koristi i logiku kombinovanog testiranja, eksplicitno vrednujući komplementarnost. Razlog je jednostavan: ako se testovi zasnovani na različitim pretpostavkama slože, imamo više poverenja; ako se raziđu, naučimo nešto o osetljivosti i zavisnosti od specifikacije, umesto da se pretvaramo da su podaci „pogrešni“.
6. Peto: Kada imate model, ponašajte se kao da može da pogreši
Uverljiva metodologija se ne završava ocenom. Ona tera model da zaradi svoje mesto među modelima.
Zato tok naglašava dijagnostiku i testove stabilnosti. U makro serijama najveća opasnost nije da koeficijent bude „neznačajan“. Opasnost je pogrešna specifikacija: docnje prekratke ili preduge, autokorelacija reziduala koja poništava zaključivanje, heteroskedastičnost koja naduvava pouzdanje ocene parametara, ili nestabilnost parametara koja prosečni efekat pretvara u varljivu fikciju.
Ovde studija eksplicitno podržava pristup od opšteg-do-specifičnog kao „posebno vredan“, jer teorija retko precizno određuje tačnu strukturu docnji u makro serijama. Krenite od dovoljno opšte ARDL/NARDL specifikacije, umanjite model tako što ćete ukloniti neznačajne docnje samo ako dijagnostika ostaje prihvatljiva, i koristite testove stabilnosti (uključujući CUSUM-tip) kao veto. Poenta nije obožavanje dijagnostike. Poenta je da se spreči elegantna priča sagrađena na pokvarenom temelju.
Tu se vidi i ponovljivost. Radni tok je ponovljiv ako vam kaže šta da radite kada stvari krenu loše. Ovde je pravilo: redukcije su dozvoljene samo ako ne pogoršavaju prilagođenost ili ne krše dijagnostiku. To je razlika između toka i gomile rezultata.
7. Šesto: Dopustite asimetriju, jer tržišta rada to često čine
Okunov zakon se često prikazuje simetrično: rast ide na gore, nezaposlenost na dole; rast ide na dole, nezaposlenost na gore. Ali tržišta rada mogu biti asimetrična. Zapošljavanje može biti sporije od otpuštanja; nezaposlenost može brzo rasti u padovima, a sporo padati u oporavcima; ili reakcija može zavisiti od toga gde ste u odnosu na raspoloživi kapacitet.
Zato metodologija uvodi nelinearni ARDL (NARDL), koji dopušta „asimetrično prilagođavanje“. Ekonomski cilj nije komplikovanje priče, već testiranje da li preslikavanje između proizvodnje i nezaposlenosti zavisi od znaka promene.
Studija to primenjuje dekompozicijom objašnjavajuće promenljive na pozitivne i negativne parcijalne sume. To se može predstaviti kao:
NARDL zatim uključuje i (
) i (
) i testira da li se njihovi dugoročni i kratkoročni efekti razlikuju. Metodološko opravdanje je čisto: ako se ekspanzije i kontrakcije prenose različito na nezaposlenost, simetričan model ih uprosečuje i time rizikuje zaključak da je „Okunova veza slaba“, iako je u stvari samo asimetrična.
I ova logika asimetrije ostaje kompatibilna sa pristupom od opšteg-do-specifičnog: kreni sa opštim modelom, testiraj nadole, tj. smanji model, a pri tome insistiraj na dijagnostici. Drugim rečima: asimetrija je hipoteza koju treba zaslužiti, a ne predstavlja dekoraciju.
8. Sedmo: Paneli, prateća staza, ne religija
Tok uvodi panel alate zato što makro uzorci često imaju kratke vremenske serije, naročito kod godišnjih podataka, a objedinjavanje kroz zemlje može povećati snagu testa. Ali paneli menjaju prirodu problema. Zemlje se ne izvlače na slučaj iz kutije. One dele šokove, trgovinske veze, finansijske cikluse i režime politike. Ako se pravimo da to ne postoji, panel zaključivanje postaje previše samouvereno.
Zato tok tretira panel metode kao prateću stazu: korisnu, ali samo uz dijagnostiku međuzavisnosti po preseku i heterogenosti.
8.1 Panel kointegracija kao provera „da li uopšte postoji dugi rok“
Studija objašnjava zašto je panel kointegracija važna u Okun kontekstu: pomaže da se oceni da li odnos važi u dugom roku za skup jedinica i može biti posebno vredna kada su serije kratke. Zatim koristi tri glavna panel testa kointegracije, Pedroni, Kao i Westerlund, upravo zato što daju „komplementarne perspektive“ i razlikuju se u pretpostavkama o heterogenosti i delimičnoj kointegraciji.
POsebna pažnja se posvećuje tumačenju alternativa. Kao i Pedronijeve unutar-dimenzije statistike često impliciraju kointegraciju za sve jedinice pod alternativom, dok Pedronijev između-dimenzija pristup i Westerlund mogu dopustiti delimičnu kointegraciju, t.j. dopuštaju da samo podskup zemalja deli dugoročnu putanju. To nije tehnička sitnica. U Okun okruženju, to je realna ekonomska mogućnost: neka tržišta rada mogu deliti zajednički dugoročni odnos nezaposlenost–proizvodnje, druga ne, i nametanje jedne „panel istine“ briše heterogenost.
Studija takođe naglašava uticaj veličine uzorka: u kratkim panelima snaga testa varira, a Westerlundovi testovi često bolje rade u malim uzorcima sa strukturnim promenama. Opet: ne tvrdnja o savršenstvu, već razložan izbor s obzirom na ograničenja podataka.
8.2 Međuzavisnost po preseku: Omiljena laž panela
Ako postoji jedna panel zamka koju metodologija odbija da ignoriše, to je međuzavisnost uporednih podataka. Literatura koja prati ovu stazu uključuje Pesaranove dijagnostičke testove i srodne doprinose (uključujući pristrasnost-korigovane pristupe i poboljšanja u visokim dimenzijama). Poenta nije da se uradi svaki test na svetu. Poenta je da se testira centralna pretpostavka koja panel zaključivanje čini legitimnim.
Zato tok integriše dijagnostiku zavisnosti kao “vratara”: detektuj zavisnost, pa prilagodi strategiju modeliranja, umesto da panel rezultate automatski proglašavaš „robusnim“.
9. Osmo: Uzročnost, pažljivo rukovanje
Okunov zakon se ponekad ležerno opisuje kao proizvodnja koj „uzrokuje“ nezaposlenost. Metodološki, to je jača tvrdnja od ocene odnosa. Zato tok tretira uzročnost kao poseban modul, a ne kao implicitni zaključak. Metode uzročnosti u panelima su uključene upravo zato što heterogenost i međuzavisnost po uporednim podacima komplikuju standardno Granger testiranje u panelima.
Ekonomska svrha faze testiranja uzročnosti je interpretativna disciplina. Ako dokazi podrže smer predviđanja od proizvodnje ka nezaposlenosti (ili obrnuto), to može izoštriti priču; ako ne, sprečava blog objavu da „prošvercuje“ uzročnost u korelaciju.
10. Deveto: Implementacija je sporedna, ponovljivost je nagrada
Studija samo usput pominje primenu u standardnim alatima (R/Stata/EViews); važnija poenta je da je tok ponovljiv jer je dosledan. Nije „pokreni ove testove jer ih ljudi pokreću“. Već: „pokreni ove testove jer rezultat određuje šta smeš da oceniš sledeće i kako smeš to da tumačiš.“
To je centralno metodološko obećanje ovih blog objava: ne nudimo jednu regresiju kao dokaz „zakona“. Nudimo tok koji može da preživi reviziju, vašu, recenzenta ili samu reviziju podataka.
11. Šta sledi: Od metoda ka dokazima, pa bivša Jugoslavija
Ova objava je bila o ogradama: provere stacionarnosti da se izbegne lažno zaključivanje; testovi robusni na prelom da se poštuje istorija; kointegracija i ARDL/NARDL okviri da se razdvoje kratkoročne dinamike od dugoročnog približavanja; dijagnostika i testovi stabilnosti da se izbegnu osetljive priče; i panel prateća staza koja međuzavisnost i heterogenost tretira kao centralne, ne kao opcione.
Sledeća objava nije još jedna metodološka objava, jer vam je verovatno dosta bilo. Sledeća objava je primena: empirijski ćemo proveriti Okunov zakon na podacima zemalja bivše Jugoslavije, koristeći ovaj radni tok kao mapu i kao ograničenje. Ako se Okunov zakon ponaša, reći ćemo. Ako ne, nećemo kriviti ekonomiju zato što odbija da posluša našu regresiju.
Literatura
Bai, J., & Perron, P. (1998). Estimating and testing linear models with multiple structural changes. Econometrica, 66(1), 47–78. DOI: https://doi.org/10.2307/2998540
Bayer, C., & Hanck, C. (2013). Combining non-cointegration tests. Journal of Time Series Analysis, 34(1), 83–95. DOI: https://doi.org/10.1111/j.1467-9892.2012.00814.x
Ditzen, J., Karavias, Y., & Westerlund, J. (2024). Multiple structural breaks in interactive effects panel data models. Journal of Applied Econometrics, 40(1), 74–88. DOI: https://doi.org/10.1002/jae.3097
Engle, R. F., & Granger, C. W. J. (1987). Co-integration and error correction: Representation, estimation, and testing. Econometrica, 55(2), 251–276. DOI: https://doi.org/10.2307/1913236
Fan, J., Liao, Y., & Yao, J. (2015). Power enhancement in high-dimensional cross-sectional tests. Econometrica, 83, 1497–1541. DOI: https://doi.org/10.3982/ECTA12749
Gregory, A. W., & Hansen, B. E. (1996). Residual-based tests for cointegration in models with regime shifts. Journal of Econometrics, 70(1), 99–126. DOI: https://doi.org/10.1016/0304-4076(69)41685-7
Hadri, K. (2000). Testing for stationarity in heterogeneous panel data. The Econometrics Journal, 3(2), 148–161. DOI: https://doi.org/10.1111/1368-423X.00043
Hodrick, R. J., & Prescott, E. C. (1997). Postwar U.S. business cycles: An empirical investigation. Journal of Money, Credit, and Banking, 29(1), 1–16. DOI: https://doi.org/10.2307/2953682
Im, K. S., Pesaran, M. H., & Shin, Y. (2003). Testing for unit roots in heterogeneous panels. Journal of Econometrics, 115(1), 53–74. DOI: https://doi.org/10.1016/S0304-4076(03)00092-7
Johansen, S. (1991). Estimation and hypothesis testing of cointegration vectors in Gaussian vector autoregressive models. Econometrica, 59(6), 1551–1580. DOI: https://doi.org/10.2307/2938278
Johansen, S. (1995). Likelihood-based inference in cointegrated vector autoregressive models. Oxford University Press. DOI: https://doi.org/10.1093/0198774508.001.0001
Juodis, A., Karavias, Y., & Sarafidis, V. (2021). A homogeneous approach to testing for Granger non-causality in heterogeneous panels. Empirical Economics, 60, 93–112. DOI: https://doi.org/10.1007/s00181-020-01970-9
Kapetanios, G., Shin, Y., & Snell, A. (2003). Testing for a unit root in the nonlinear STAR framework. Journal of Econometrics, 112(2), 359–379. DOI: https://doi.org/10.1016/S0304-4076(02)00202-6
Kao, C. (1999). Spurious regression and residual-based tests for cointegration in panel data. Journal of Econometrics, 90, 1–44. DOI: https://doi.org/10.1016/S0304-4076(98)00023-2
Levin, A., Lin, C. F., & Chu, C. S. J. (2002). Unit root tests in panel data: Asymptotic and finite-sample properties. Journal of Econometrics, 108(1), 1–24. DOI: https://doi.org/10.1016/S0304-4076(01)00098-7
Maddala, G. S., & Wu, S. (1999). A comparative study of unit root tests with panel data and a new simple test. Oxford Bulletin of Economics and Statistics, 61(S1), 631–652. DOI: https://doi.org/10.1111/1468-0084.0610s1631
Pedroni, P. (1999). Critical values for cointegration tests in heterogeneous panels with multiple regressors. Oxford Bulletin of Economics and Statistics, 61, 653–670.
Pedroni, P. (2004). Panel cointegration: Asymptotic and finite sample properties of pooled time series tests with an application to the PPP hypothesis. Econometric Theory, 20, 597–625. DOI: https://doi.org/10.1017/S0266466604203073
Pesaran, M. H. (2004). General diagnostic tests for cross-section dependence in panels. CESifo Working Paper Series No. 1229.
Pesaran, M. H. (2007). A simple panel unit root test in the presence of cross-section dependence. Journal of Applied Econometrics, 22(2), 265–312. DOI: https://doi.org/10.1002/jae.951
Pesaran, M. H. (2015). Testing weak cross-sectional dependence in large panels. Econometric Reviews, 34(6–10), 1089–1117. DOI: https://doi.org/10.1080/07474938.2014.956623
Pesaran, M. H. (2021). General diagnostic tests for cross-sectional dependence in panels. Empirical Economics, 60, 13–50. DOI: https://doi.org/10.1007/s00181-020-01875-7
Pesaran, M. H., Shin, Y., & Smith, R. J. (2001). Bounds testing approaches to the analysis of level relationships. Journal of Applied Econometrics, 16(3), 289–326. DOI: https://doi.org/10.1002/jae.616
Pesaran, M. H., & Yamagata, T. (2008). Testing slope homogeneity in large panels. Journal of Econometrics, 142(1), 50–93. DOI: https://doi.org/10.1016/j.jeconom.2007.05.010
Persyn, D., & Westerlund, J. (2008). Error correction based cointegration tests for panel data. The Stata Journal, 8(2), 232–241. DOI: https://doi.org/10.1177/1536867X0800800
Shin, Y., Yu, B., & Greenwood-Nimmo, M. (2014). Modelling asymmetric cointegration and dynamic multipliers in a nonlinear ARDL framework. In Festschrift in Honor of Peter Schmidt (pp. 281–314). Springer. DOI: https://doi.org/10.1007/978-1-4899-8008-3_9
Westerlund, J. (2007). Testing for error correction in panel data. Oxford Bulletin of Economics and Statistics, 69(6), 709–748. DOI: https://doi.org/10.1111/j.1468-0084.2007.00477.x
Zivot, E., & Andrews, D. W. K. (1992). Further evidence on the great crash, the oil-price shock, and the unit-root hypothesis. Journal of Business & Economic Statistics, 10(3), 251–270. DOI: https://doi.org/10.1080/07350015.1992.10509904
