Częściowo odpowiadasz na własne pytanie, prosząc o zmiany „podłużne”. Dane o przekrojach są wywoływane, ponieważ są wykonywane w mgnieniu oka, dosłownie przekrój wycięty ze zmieniającego się w czasie społeczeństwa z jego wieloma powiązaniami. Dlatego najlepszym wnioskiem, jaki możesz mieć, jest założenie, że cokolwiek studiujesz, jest niezmienne w czasie lub przynajmniej zakończyło swoją ewolucję.
Z drugiej strony, dane, których szukasz, to dane podłużne lub dane panelowe dla ekonomistów.
Odniesienie Dobrze, że wyjaśnia głównie metod ale także uwypukla dwie wybitne przykłady z Economics jest tutaj . Przykład 2.1 ma stopy inwestycji firmy.
Część 3 jest nieco bardziej teoretyczna, ale zawiera wiele wglądu: model danych panelowych może być
yja , t= α yi , t - 1+ xja , tγ+ ηja+ vja , t.
Teraz ten typ modelu może uchwycić zależność od stanu, która jest (obok nieobserwowanej niejednorodności) częstym wyjaśnieniem, dlaczego ludzie zachowują się inaczej. Dlatego jeśli obserwujesz tylko osoby podróżujące w danym momencie, Twoje będzie niezidentyfikowane, co oznacza, że nie wiesz, jak bardzo ich wczorajsza podróż wpłynęła na ich decyzję o ponownej podróży.α
Teraz wyłącz na chwilę zależność czasową, ale pamiętaj, że to równanie mogło być prawdopodobnie prawdziwym modelem.
W modelu przekroju można teraz całkowicie usunąć indeks dolny ponieważ dane są dostępne tylko w jednym okresie. W związku z tym nie ma również możliwości uwzględnienia faktu, że każda osoba w zestawie danych może mieć bardzo różne , co spowoduje ogólne przesunięcie regresji w górę, przynajmniej gdy prawdziwy model jest dynamiczny. Jest to prawdopodobnie przyczyną przeszacowania, z powodu niezauważonego indywidualnego efektu (może być również powszechny), którego nie zmierzyłeś, ale znalazło to odzwierciedlenie w badaniu przekroju.η ′ i stη′is
Teraz ponownie wprowadź dane panelu. Możemy odjąć średnią w czasie każdej zmiennej, która, biorąc pod uwagę średnią jest stała w czasie, wyeliminowałby ten termin. Ta transformacja (inne są możliwe) pozwala skupić się tylko na dynamice (i faktycznie straciłbyś regresory niezmienne w czasie).ηi
To jest główna różnica między danymi przekroju i danych panelu. Fakt, że możesz wyeliminować efekt niezmienności czasowej, ponieważ masz tę zmienność czasu, pozwala usunąć pewne uprzedzenia, których oszacowanie przekroju nie pozwala na wykrycie. Dlatego zanim zastanowisz się nad zmianą zasad, na przykład wyższym podatkiem od podróży, ponieważ oczekujesz, że ludzie będą podróżować i chcesz więcej dochodów rządowych, bardziej przydatne jest widzenie tego zjawiska przez kilka lat, aby mieć pewność, że nie jesteś przechwytywanie nieobserwowanej heterogeniczności w próbce, którą interpretujesz jako skłonność do podróżowania.
Aby oszacować te modele, najlepiej przejść przez odniesienie. Ale uwaga: różne założenia dotyczące zachowania ludzi sprawią, że różne procedury szacowania będą dopuszczalne lub nie.
Mam nadzieję, że to pomoże!