Naprawiono efekty usuwania nieobserwowanej heterogeniczności MIĘDZY różnymi grupami w danych.
Nie zgadzam się z implikacją przyjętej odpowiedzi, że decyzja o zastosowaniu modelu FE będzie zależała od tego, czy chcesz użyć „mniejszej zmienności, czy nie”. Jeśli na zmienną zależną wpływ mają zmienne nieobserwowalne, które systematycznie zmieniają się w różnych grupach w panelu, wówczas współczynnik każdej zmiennej skorelowanej z tą zmiennością będzie tendencyjny. O ile zmienne X nie zostały losowo przypisane (i nigdy nie będą miały danych obserwacyjnych), zwykle dość łatwo jest argumentować za pomijaniem zmiennych pominiętych. ty możebyć w stanie kontrolować niektóre z pominiętych zmiennych za pomocą dobrej listy zmiennych kontrolnych, ale jeśli silna identyfikacja jest twoim celem numer 1, nawet obszerna lista kontroli może pozostawić miejsce dla krytycznych czytelników, by wątpić w twoje wyniki. W takich przypadkach zwykle dobrym pomysłem jest użycie modelu z efektami stałymi.
Klastrowe błędy standardowe dotyczą rozliczania sytuacji, w których obserwacje W KAŻDEJ grupie nie są identyfikowane (niezależnie i identycznie).
Klasycznym przykładem jest sytuacja, gdy masz wiele obserwacji dla panelu firm w czasie. Można uwzględnić ustalone efekty na poziomie firmy, ale nadal może istnieć pewna niewyjaśniona odmiana w zmiennej zależnej, która jest skorelowana w czasie. Zasadniczo podczas pracy z danymi szeregów czasowych zwykle bezpieczne jest założenie czasowej korelacji szeregowej pod względem błędów w obrębie grup. Te sytuacje są najbardziej oczywistymi przypadkami użycia dla klastrowych SE.
Kilka przykładowych przykładów:
Jeśli masz dane eksperymentalne, w których losowo przypisujesz leczenie, ale z upływem czasu robisz wielokrotne obserwacje dla każdej osoby / grupy, uzasadnione byłoby pominięcie ustalonych efektów, ale chciałbyś zgrupować swoje SE.
Alternatywnie, jeśli masz wiele obserwacji na grupę dla danych nieeksperymentalnych, ale każdą obserwację wewnątrz grupy można uznać za losowanie z ich większej grupy (np. Masz obserwacje z wielu szkół, ale każda grupa jest losowo losowanym podzbiorem uczniów ze swojej szkoły), chciałbyś uwzględnić stałe efekty, ale nie potrzebujesz klastrowych SE.