이 질문은 매우 순진하지만, 계량 경제학을 가르치는 방식이 시계열 데이터와 패널 데이터 방법간에 차이가있을 경우 매우 혼란스러워합니다.
시계열과 관련하여 공분산 고정, AR, MA 등과 같은 주제를 다루었습니다. 패널 데이터와 관련하여 고정 효과 대 임의 효과 (보다 일반적으로 계층 적 모델), 차이 형식의 토론 만 보았습니다. 차이 등
이러한 주제는 어떤 방식으로 관련되어 있습니까? 패널 데이터에도 시간 차원이 있으므로 AR, MA 등에 대한 논의가없는 이유는 무엇입니까?
대답이 패널 방법에 대한 나의 교육이 충분하지 않다면, FE / RE, 차이점의 차이 이상을 다루는 책을 가리킬 수 있습니까?
답변:
적어도 사회 과학에서 당신은 종종 큰 N과 작은 T 무증상을 가진 패널 데이터를 가지고 있습니다. 즉, 많은 엔티티이지만 상대적으로 짧은 기간 동안 각각 관찰됩니다. 이것이 패널 데이터에 적용되는 작업이 종종 데이터의 시계열 구성 요소와 다소 관련이없는 이유입니다.
그럼에도 불구하고 시계열 요소는 패널 데이터 처리에 여전히 중요합니다. 예를 들어, 자기 상관의 정도는 고정 효과 또는 첫 번째 차이가 더 효율적인지 여부를 결정합니다. 차이의 차이에서 자기 상관을 설명하기 위해 표준 오차를 적절히 처리하는 것이 올바른 추론에 중요하다 ( Bertrand et al., 2004 참조 ). 작은 N, 큰 T 무증상에 대해 추정기를 사용하는 동적 패널도 사용할 수 있으며, 종종 거시 경제학에서 이러한 데이터를 찾을 수 있습니다. 패널 비정 지성과 같은 알려진 시계열 문제가 발생할 수 있습니다.
이러한 주제에 대한 우수한 처리는 Wooldridge (2010) "단면 및 패널 데이터의 계량 분석"에서 제공됩니다.
패널 데이터의 두 번째 차원은 시간 일 필요는 없습니다. 쌍둥이 또는 형제 자매에 관한 데이터 또는 T 설문 조사 질문에 답변하는 N 명의 개인에 대한 데이터를 가질 수 있습니다. T가 2 차원 인 종 방향 데이터는 아마도 가장 일반적인 유형의 패널 데이터이며 사실상 그 데이터와 동의어가되었습니다.
마이크로 또는 짧은 패널 (큰 N, 작은 T)은 일반적으로 N을 무한대로 보내어 T를 고정 된 무증상을 갖습니다. 거시적이거나 긴 패널은 보통 N과 큰 T를 가지며, 무증상은 N을 고정하고 T를 성장 시키거나, N과 T를 둘 다 성장시키는 경향이 있습니다. 매크로 패널을 사용하면 실제 문제가 될 수 있습니다 (예 : 국가 또는 주 간의 공간 의존성). 매크로 패널을 사용하면 시계열에 익숙한 단위 루트, 구조적 중단 및 공적분에 대해 걱정해야합니다. 또한 선택성 문제 (예 : 마멸, 자기 선택성 및 무응답)에 대해 걱정해야합니다. T가 충분히 길면 국가조차도 사라질 수 있습니다.
Baltagi 's를 살펴볼 것입니다 패널 데이터 분석 , 특히 8, 12, 13 장을 살펴 보겠습니다. 또한 짧은 패널에 대해서도 자세히 설명합니다. 이전 판에는 운동 솔루션과 함께 제공되는 볼륨이 매우 좋았습니다.
두 데이터가 모두 단면 및 시계열 구성 요소로 구성되어 있기 때문에 강조의 문제입니다.
패널 데이터는 N이 크고 T가 작을 가능성이 높습니다.
개별 구성 요소 (예 : 시간이 지남에 따라 상점, 시간이 지남에 따라 소비자)에 더 많은 관심이 있고 개별 구성 요소 (예 : 고소득 소비자, 중간 소득에서 고소득으로 이동 한 소비자)를 분할 할 가능성이 더 높습니다.
개별 구성 요소에는 생존 / 교체 문제가 있습니다 (구성 요소는 어떤 이유로 연구를 떠나므로 교체해야합니다). 계량 경제학 데이터를 사용하면 더 종합적인 수준에서 처리 할 가능성이 높으며 다른 사람의 문제 (예 : BLS의 훌륭한 사람들)가 이러한 문제를 해결하는 경우가 많습니다.
자기 상관 문제가 발생할 않지만, 종종 과거의 역사로보다는이 자기 상관 자체, 예를 들어 구매 초콜릿 서리로 덥은 설탕 폭탄의 과거 역사로 모델링 http://www.gocomics.com/calvinandhobbes/1986/03/22는 예측을 알린다 미래의 구매 행동.
위에서 언급했듯이 패널 데이터는 종종 큰 N과 작은 T를 가진 집계 레벨이 아닌 개별 레벨에서 사용되었습니다. 패널 데이터를 사용하는 전문가는 많습니다. 개별 이질성을 제거하고 테스트 할 때 더 높은 전력을 얻을 수 있기 때문입니다. . 이 새로운 시간 차원은 단면 데이터와 비교하여 몇 가지 새로운 방법, 가정 및 문제를 소개합니다 (이러한 면밀한 연구를 위해 Wooldridge의 책을 참조 할 것입니다).
그러나 작은 N과 큰 T로 국가 수준의 패널 데이터를 사용하는 것도 경제학에서 매우 일반적입니다. 이는 큰 N의 작은 T 패널 데이터를 처리 할 때 발생하지 않는 모든 범위의 어려움을 초래합니다. 예를 들어 패널에 단위 루트를 가질 수 있으며이 특정 문제를 처리하기위한 특정 패널 단위 루트 테스트도 있습니다. 이것들은 개별 시리즈의 단위 루트 테스트보다 훨씬 높은 전력을 나타냅니다. 우리는 또한이 패널에서 모든 종류의 비정규 성을 가질 수 있습니다. 또한 작은 N과 큰 T로 패널 데이터를 처리 할 때 공적분을 가질 수도 있습니다. 대형 T 및 소형 N 패널 데이터를 처리 할 때의 또 다른 주요 문제는이 데이터가 종종 국가 수준의 경제 변수에 대한 것이며이 경우 독립 가정이 종종 위반되고이를 테스트해야한다는 것입니다.
따라서 큰 N과 작은 T를 가진 패널 데이터는 단면 데이터와 비교하여 시계열 차원을 도입하고 단면 분석과 유사하지만 큰 T와 작은 N을 가진 패널은 시계열 접근법과 비교하여 단면 치수를 도입하며 다음과 유사합니다. 시계열 분석.
큰 N과 작은 T가있는 패널 데이터에 관한 훌륭한 책은 Wooldridge의 "단면 및 패널 데이터의 계량 분석"입니다. 이 책은 매우 조밀하고 모든 페이지에 많은 정보를 담고 있으므로 계량 경제학 입문 서적에서 시작하여 패널 데이터의 섹션을 먼저 읽어 볼 수 있습니다.
나는 큰 T와 작은 N을 가진 패널에 대한 특정 책을 모르지만 "비정상 패널, 패널 공집합 및 동적 패널"이라는 책이 있습니다.