Панельный анализ - Panel analysis

Панельный анализ (данных) статистический метод, широко используемый в социальная наука, эпидемиология, и эконометрика для анализа двухмерного (обычно поперечного и продольного) данные панели.^[1] Данные обычно собираются с течением времени и по одним и тем же лицам, а затем регресс проходит по этим двум измерениям. Многомерный анализ является эконометрический метод, при котором данные собираются по более чем двум измерениям (обычно время, люди и какое-то третье измерение).^[2]

Обычный данные панели регрессионная модель выглядит как ${ displaystyle y_ {it} = a + bx_ {it} + varepsilon _ {it}}$, где у это зависимая переменная, Икс это независимая переменная, а и б коэффициенты, я и т находятся индексы для лиц и времени. Ошибка ${ displaystyle varepsilon _ {it}}$ очень важно в этом анализе. Предположения о члене ошибки определяют, говорим ли мы о фиксированных эффектах или случайных эффектах. В модели с фиксированными эффектами ${ displaystyle varepsilon _ {it}}$ предполагается изменяться нестохастически по ${ displaystyle i}$ или ${ displaystyle t}$ сделать модель фиксированных эффектов аналогичной модели фиктивной переменной в одном измерении. В модели случайных эффектов ${ displaystyle varepsilon _ {it}}$ предполагается стохастически изменяться в течение ${ displaystyle i}$ или ${ displaystyle t}$ требующие специальной обработки матрицы дисперсии ошибок.^[3]

Анализ панельных данных имеет три более или менее независимых подхода:

• независимо объединенные панели;
• модели со случайными эффектами;
• модели с фиксированными эффектами или первые отличные модели.

Выбор между этими методами зависит от цели анализа и проблем, касающихся экзогенности объясняющих переменных.

Независимо объединенные панели

Ключевое предположение:В наборе измерений нет уникальных атрибутов отдельных лиц и универсальных эффектов во времени.

Модели с фиксированным эффектом

Ключевое предположение:Есть уникальные атрибуты людей, которые не меняются с течением времени. То есть уникальные атрибуты для данного человека я время т инвариантный. Эти атрибуты могут или не могут быть коррелированы с отдельными зависимыми переменными y_я. Чтобы проверить, нужны ли фиксированные эффекты, а не случайные, можно использовать тест (Дарбина-Ву-) Хаусмана.

Модели случайных эффектов

Ключевое предположение:Существуют уникальные постоянные во времени атрибуты индивидов, которые не коррелируют с отдельными регрессорами. Объединенный OLS можно использовать для получения несмещенных и согласованных оценок параметров даже при наличии атрибутов постоянной времени, но случайные эффекты будут более эффективными.

Возможны фиксированные эффекты обобщенный метод наименьших квадратов метод, который асимптотически более эффективен, чем объединенный OLS, когда присутствуют атрибуты постоянной времени. Случайные эффекты корректируют последовательную корреляцию, которая вызвана ненаблюдаемыми атрибутами постоянной времени.

Динамические модели панелей

В отличие от стандартной модели панельных данных, модель динамической панели также включает в себя запаздывающие значения зависимой переменной в качестве регрессоров. Например, включение одного запаздывания зависимой переменной приводит к:

${ displaystyle y_ {it} = a + bx_ {it} + rho y_ {it-1} + varepsilon _ {it}}$

При этом нарушаются допущения моделей фиксированного эффекта и случайного эффекта. Вместо этого практикующие используют такую ​​технику Оценка Ареллано – Бонда.

Смотрите также

• Панельное исследование
• Тест Хаусмана
• Факторный анализ

Рекомендации