나는 항상 부수적 인 매개 변수 문제의 본질을 얻는 데 어려움을 겪습니다. 비선형 패널 데이터 모델의 고정 효과 추정기가 "잘 알려진"부수적 인 매개 변수 문제로 인해 심각하게 바이어스 될 수 있다고 여러 번 읽었습니다.
이 문제에 대한 명확한 설명을 요구할 때 일반적인 대답은 다음과 같습니다. 패널 데이터에 T 기간 동안 N 명의 개인이 있다고 가정합니다. T가 고정되면 N이 증가함에 따라 공변량 추정값이 치우치게됩니다. 이는 N이 증가함에 따라 방해 매개 변수의 수가 빠르게 증가하기 때문에 발생합니다.
대단히 감사하겠습니다
- 더 정확하지만 여전히 간단한 설명 (가능한 경우)
- 및 / 또는 R 또는 Stata로 해결할 수있는 구체적인 예입니다.
3
대답으로는 충분하지 않습니다. 부수 모수 문제는 선형 회귀와 달리 편향 추정량의 속성이없는 비선형 모델에서 발생할 수 있습니다. 일반적인 예는 프로 빗 / 로짓입니다. 이 모델은 일관된 추정값으로, 관측치 대 매개 변수 수의 비율이 증가함에 따라 표준 오차가 임의로 작아짐에 따라 모수 추정값이 실제 값으로 수렴됩니다. 고정 효과의 문제점은 관측치 수에 따라 매개 변수 수가 증가한다는 것입니다.
—
Zachary Blumenfeld
따라서 모수 추정값은 표본 크기가 증가함에 따라 실제 값으로 수렴 할 수 없습니다. 따라서 모수 추정치는 매우 신뢰할 수 없습니다.
—
Zachary Blumenfeld
이 설명에 감사드립니다. 나는 이제 문제를 더 잘 이해하고 있다고 생각합니다. 예를 들어 내 패널이 T = 8이고 N = 2000 인 경우 프로 빗 / 로짓 추정에 T- 고정 효과를 추가하고 신뢰할 수있는 추정치를 얻을 수 있습니다. 그렇지 않으면 N 고정 효과를 사용하면 신뢰할 수없는 효과를 얻을 수 있습니다. 이 올바른지?
—
emeryville
여기에 블로그 항목은 R의 예와 로짓과 프로 빗의 부수적 인 매개 변수 문제는 보여줍니다입니다 : econometricsbysimulation.com/2013/12/...
—
아르네 조나스 WARNKE