Extending Prais-Winsten Regression to Panel Data with Higher-Order Autoregressive Errors: A Simulation Study

Resumen Técnico: Extensión de la Regresión de Prais–Winsten a Datos de Panel con Errores Autorregresivos de Orden Superior

Planteamiento del Problema
Los datos de panel y de series temporales transversales (CSTS, por sus siglas en inglés) frecuentemente exhiben una dependencia serial compleja, incluyendo autocorrelación intra-unidad, heterocedasticidad entre unidades y correlación contemporánea. Si bien los estimadores existentes abordan estos problemas, persiste una brecha crítica en el manejo de errores autorregresivos de orden superior (AR($k$), donde $k > 1$) dentro del marco de Mínimos Cuadrados Generalizados (GLS) combinado con Errores Estándar Corregidos para Panel (PCSEs).

El marco estándar de Beck–Katz (implementado en el comando xtpcse de Stata) utiliza una transformación de Prais–Winsten de GLS que está restringida a errores autorregresivos de primer orden (AR(1)). Por el contrario, el estimador de Driscoll–Kraay (implementado en xtscc) ofrece una alternativa no paramétrica robusta a órdenes arbitrarios de dependencia serial, pero depende de una corrección HAC de tipo Newey–West. En consecuencia, los investigadores se enfrentan a un dilema: utilizar un estimador no paramétrico correctamente especificado (xtscc) o uno paramétrico mal especificado (asumiendo AR(1) cuando existe un AR($k$)). No existe un estimador de panel que combine la transformación exacta de Prais–Winsten para errores AR($k$) con el estimador sándwich de PCSE.

Metodología
Para abordar esta brecha, el autor introduce xtpraisk, un paquete de Stata que extiende la transformación de GLS de Prais–Winsten para AR($k$) a datos de panel. El procedimiento de estimación involucra:

1. Estimación Yule–Walker: Estimación agrupada (pooled) de los parámetros AR ($\rho$) a través de los paneles utilizando los residuos de una regresión inicial de OLS.
2. Transformación GLS: Aplicación del filtro exacto de Prais–Winsten para cuasi-diferenciar los datos, eliminando la dependencia serial intra-unidad. Esto incluye una transformación específica para las primeras $k$ observaciones de cada panel utilizando el factor de Cholesky de la matriz de autocovarianza AR($k$).
3. Sándwich PCSE: Aplicación del estimador PCSE de Beck–Katz a los datos transformados para dar cuenta de la heterocedasticidad restante y la correlación contemporánea entre paneles.

El desempeño de xtpraisk se evaluó frente a xtscc mediante un estudio de simulación de Monte Carlo. El diseño abarcó:

• Órdenes Autorregresivos: $k = 1, 2, 3$.
• Escenarios de Autocorrelación: Positiva leve, oscilatoria y de alta persistencia.
• Dimensiones: Tamaños de panel ($N \in \{10, 15, 20\}$) y longitudes de serie ($T \in \{10, 20, 30, 50, 75, 100\}$).
• Métricas: Poder estadístico, tasa de error de Tipo I, cobertura del intervalo de confianza (IC) del 95%, sesgo porcentual, error cuadrático medio (RMSE) y razón de errores estándar (SE).
• Replicaciones: 2,000 por condición a través de 1,038 condiciones de diseño únicas.

Análisis complementarios examinaron la errónea especificación del modelo (ajustar AR(1) a datos AR(2)) y la sensibilidad a la correlación entre paneles inducida por un factor común.

Resultos Clave

• Poder Estadístico: xtpraisk demostró consistentemente un mayor poder estadístico que xtscc en todas las condiciones. Esta ventaja fue más pronunciada bajo una autocorrelación de alta persistencia y órdenes AR más altos (por ejemplo, AR(3)). La ganancia de poder refleja una eficiencia de GLS genuina en lugar de una inferencia anticonservadora.
• Validez Inferencial (Error de Tipo I y Cobertura): xtpraisk mantuvo tasas de error de Tipo I bien calibradas (cercanas al 5%) y coberturas de IC (cercanas al 95%) a través de todas las longitudes de serie y órdenes AR. En contraste, xtscc exhibió una inflación sistemática del error de Tipo I y una subcobertura del IC en longitudes de serie cortas ($T < 30$), particularmente a medida que el orden AR aumentaba. Por ejemplo, bajo AR(3) con alta persistencia, la cobertura de xtscc cayó a ~84% en $T=10$. Estas deficiencias en xtscc disminuyeron a medida que $T$ aumentó, convergiendo hacia niveles nominales al llegar a $T=100$.
• Calibración de Errores Estándar: La razón de SE para xtpraisk se mantuvo cerca de 1.0, lo que indica una estimación de varianza precisa. xtscc subestimó sistemáticamente los errores estándar en longitudes de serie cortas (razones tan bajas como 0.70–0.75 para AR(3)), lo cual explica mecánicamente su inflada tasa de error de Tipo I y su pobre cobertura.
• Sesgo y RMSE: Ambos estimadores fueron esencialmente insesgados. Sin embargo, xtpraisk produjo un RMSE menor que xtscc en longitudes de serie cortas, con una brecha que se amplía bajo autocorrelación de alta persistencia y órdenes AR más altos.
• Robustez: xtpraisk se mantuvo robusto ante la errónea especificación del orden AR (ajustar AR(1) a datos AR(2)), mostrando una degradación insignificante en el desempeño inferencial. El desempeño de ninguno de los estimadores se vio significativamente afectado por el tamaño del panel ($N$) o el aumento de la correlación entre paneles.

Significancia y Reivindicaciones
El artículo sostiene que xtpraisk resuelve el dilema entre poder y validez inferencial observado frecuentemente en los estimadores de series temporales. A diferencia de hallazgos previos donde los enfoques no paramétricos (como Newey–West) sacrificaban la validez en favor del poder, xtpraisk logra tanto un mayor poder como una inferencia bien calibrada en entornos de panel.

El autor postula que xtpraisk es el estimador preferido cuando se priorizan la validez inferencial y la eficiencia estadística, particularmente en los escenarios comunes de investigación aplicada que involucran longitudes de serie cortas ($T < 30$), órdenes AR altos y autocorrelación persistente. El estudio sugiere que las deficiencias inferenciales de xtscc son fenómenos de muestras finitas que se resuelven con series temporales más largas, mientras que xtpraisk proporciona fiabilidad inmediata. Además, dado que xtpraisk reproduce exactamente el estimador de Beck–Katz cuando $k=1$, ofrece una extensión fluida para los investigadores que lidian con dependencia de orden superior sin abandonar el familiar marco de PCSE.