Панельный анализ - Panel analysis
Панельный анализ (данных) - это статистический метод, широко используемый в социальных науках , эпидемиологии и эконометрике для анализа двумерных (обычно поперечных и продольных) панельных данных . Данные обычно собираются с течением времени и по одним и тем же людям, а затем проводится регрессия по этим двум измерениям. Многомерный анализ - это эконометрический метод, при котором данные собираются по более чем двум измерениям (обычно время, отдельные лица и какое-то третье измерение).
А общая панель данных регрессионной модели выглядит как , где является зависимой переменной , является независимой переменной , а коэффициенты, и являются показателями для физических лиц и времени. Ошибка очень важна в этом анализе. Предположения о члене ошибки определяют, говорим ли мы о фиксированных эффектах или случайных эффектах. В модели с фиксированными эффектами предполагается нестохастическое изменение или создание модели фиксированных эффектов, аналогичной модели фиктивных переменных в одном измерении. В модели со случайными эффектами предполагается, что она изменяется стохастически по сравнению с матрицей дисперсии ошибок или требует специальной обработки.
Анализ панельных данных имеет три более или менее независимых подхода:
- независимо объединенные панели;
- модели случайных эффектов ;
- модели с фиксированными эффектами или модели первых разностей.
Выбор между этими методами зависит от цели анализа и проблем, касающихся экзогенности объясняющих переменных.
Независимо объединенные панели
Ключевое предположение: нет уникальных атрибутов отдельных лиц в наборе измерений и нет универсальных эффектов во времени.
Модели с фиксированным эффектом
Ключевое предположение: есть уникальные атрибуты людей, которые не меняются с течением времени. То есть уникальные атрибуты данного человека не зависят от времени . Эти атрибуты могут коррелировать или не коррелировать с отдельными зависимыми переменными y i . 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 может использоваться для получения несмещенных и согласованных оценок параметров даже при наличии атрибутов постоянной времени, но случайные эффекты будут более эффективными.
Фиксированные эффекты - это возможный обобщенный метод наименьших квадратов , 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, динамическая модель панели также включает запаздывающие значения зависимой переменной в качестве регрессоров. Например, включение одного запаздывания зависимой переменной генерирует:
При этом нарушаются допущения моделей фиксированного эффекта и случайного эффекта. Вместо этого практикующие используют такой метод, как оценка Ареллано – Бонда .