Панельный анализ

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. ${\ displaystyle y_ {it} = a + bx_ {it} + \ varepsilon _ {it}}$${\ displaystyle y}$ ${\ displaystyle x}$ ${\ displaystyle a}$${\ displaystyle b}$${\ displaystyle i}$${\ displaystyle t}$ ${\ displaystyle \ varepsilon _ {it}}$${\ displaystyle \ varepsilon _ {it}}$${\ displaystyle i}$${\ displaystyle t}$${\ displaystyle \ varepsilon _ {it}}$${\ displaystyle i}$${\ displaystyle t}$

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.

• 1 Независимо объединенные панели
• 2 модели с фиксированными эффектами
• 3 модели случайных эффектов
• 4 модели динамических панелей
• 5 См. Также
• 6 Ссылки

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

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. ${\ displaystyle i}$${\ displaystyle t}$

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.

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:

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

При этом нарушаются допущения моделей фиксированного эффекта и случайного эффекта. Вместо этого практикующие используют такой метод, как оценка Ареллано – Бонда.

• Панельное исследование
• Тест Хаусмана
• Факторный анализ