Fama Macbeth y el doble agrupamiento presentan resultados inconsistentes

Question

Tengo un gran conjunto de datos de panel desequilibrado con 460 empresas y 1259 días. El modelo que me gustaría ejecutar es el siguiente

$$ Y_{it} = \beta X_{it} + \alpha Z_{t} + \epsilon_{it} $$

donde $Y_{it}$ es el retorno de la acción, y $Z_{t}$ son los 3 factores de Fama French, y $X_{it}$ son variables de interés.

Ejecuto Fama Macbeth (FM) y clusterización doble para corregir el error estándar, pero ambos modelos dan resultados inconsistentes, es decir, $\beta$ es significativo en un modelo y no en el otro.

Entiendo que la técnica de Fama-MacBeth fue desarrollada para tener en cuenta la correlación entre observaciones en diferentes empresas en el mismo punto temporal, no para tener en cuenta la correlación entre observaciones en la misma empresa en diferentes momentos temporales. Tradicionalmente, se debería ejecutar una regresión de sección transversal en cada punto temporal, luego promediar estimaciones a lo largo del tiempo $T$. Pero en mi caso, debido a la inclusión de $Z_t$, debo ejecutar primero una regresión de series temporales ya que de lo contrario, $Z_{t}$ no son identificables. En este caso, ¿realmente corrige FM la correlación entre observaciones en la misma empresa en diferentes momentos temporales?

Más importante aún, ¿significa el resultado inconsistente que mis resultados no son robustos? Bajo mi caso, ¿puedo argumentar que uno es más apropiado que el otro? ¿Puede la estructura de datos desequilibrada contribuir a los resultados inconsistentes?

Estoy usando los comandos fm y cluster2 en esta página comando Stata

Answer 1

Este es un comentario extenso.

Fama-MacBeth solo corrige la correlación cruzada en un panel y sufre del problema de errores en las variables (tu $Z_t$, también consulta Chordia, Goyal y Shanken (2015)).

Dependiendo de la naturaleza exacta de las variables de tu conjunto de datos, la respuesta a tus preguntas es "depende"; por favor consulta a Goyal (2012), Mitchell (2009) y Ibragimov y Mueller (2010).

1. Goyal (2012) explica con precisión el procedimiento F-M (sección 2.5). Él afirma que "aún no se ha explorado si hay un sesgo en el enfoque tradicional de Fama–MacBeth si los rendimientos esperados varían con características que cambian con el tiempo.". Además, dice que "la autocorrelación en los rendimientos (despreciable a frecuencia mensual) conlleva a la autocorrelación en las estimaciones de la prima de riesgo. Esto se puede corregir fácilmente con correcciones del tipo Newey–West a las fórmulas de varianza".

2. Mitchell (2009) discute los errores estándar en datos financieros de panel y afirma claramente que debemos identificar la presencia de un efecto de firma o de tiempo para ver si los errores estándar de Fama-MacBeth son sesgados.

3. Ibragimov y Mueller (2010) "encuentran que siempre y cuando los estimadores de coeficientes anuales sean aproximadamente normales (o mezclas escaladas de normales) e independientes, el método Fama–MacBeth resulta en inferencia válida incluso para un panel corto que es heterogéneo con el tiempo."

También podrías encontrar útil el documento de Jagannathan, Skoulakis y Wang (2014) para argumentar adecuadamente la adecuación de los métodos si tu estudio está relacionado con la fijación de precios de activos; en finanzas corporativas las cosas son más "flexibles".

Por último, estoy lejos de ser un experto en este área, pero creo que los comandos predefinidos de Stata no son exhaustivos en el manejo de variables con diferentes características estadísticas (por ejemplo, retornos autocorrelacionados).