nøt_199003

214
Integrasjonsegenskaper
Nymoen (1989) gir en oversiktlig redegjørelse for teorien samt betydningen
denne har for tolking og estimering av empiriske lønnsrelasjoner, og
jeg vil derfor bare kort oppsummere de viktigste poengene og termer.
En variabel kalles I(0) (les: integrert av grad 0) dersom både variabelens
forventning og varians er konstante og dermed uavhengige av tida. Et
annet navn for en I(0) variabel er stasjonær variabel. Hvis det motsatte er
tilfelle er variabelen ikke-stasjonær. Mange ikke-stasjonære variable kan
gjøres stasjonære ved differensiering og disse kalles I(k) variable når de er
stasjonære ved k-te differensiering. Et spesialtilfelle har vi når en lineær
kombinasjon av to I(1)-variable er I(0). Da eksisterer det en kointegrasjonslikning
som kan skrives:
X + f3Y = Z I(0)
der p kalles kointegrasjonsparameter. En variabel lar seg ikke forklare av
en annen variabel med andre temporære egenskaper. La venstresidevariabelen
i vår regresjonsanalyse være nominell lønnsvekst og anta forelOpig
at denne er I(0). Teorien sier da at høyresidevariablene enten selv må
være I(0) eller kointegrert med andre variable for å oppnå konsistente
estimatorer (se Engle og Granger (1987)).
Nymoen (1989) oppsummerer noen vanlige statistiske tester for ikkestasjonæritet,
nemlig Sargan-Bhargava testen (SB) og Dickey-Fuller testen
(DF). Nullhypotesen er at variabelen er I(1) som i SB forkastes for
«høye» verdier av Durbin-Watson observatoren, og i DF for høye tallverdier
på t-observatoren. Pga. ikke-stasjonæritet under nullhypotesen må
fordelingen til disse testene simuleres med Monte-Carlo metoder. Det er
også utviklet metoder for å utføre SB-testen på paneldata (Bhargava et al.
(1982)). Da er Durbin-Watson observatoren
17 =2(fiit -1)2
(6) DWp = 17 =1
=i t = iui t
Fotskriftene i og t henspeiler på hhv. bedrift og periode. Før jeg presenterer
variablenes integrasjonsegenskaper vil jeg omtale datamaterialet jeg
bruker i den empiriske analysen. Paneldimensjonen gjelder for lønn,
alternativlønn og egenkapitalandel, mens vi mangler tversnittsinformasjon
om de resterende variable.