왜 종단면 변화를 추론 / 예측하기 위해 단면 데이터를 사용하는 것이 나쁜가?

나는 존재하기를 희망하는 논문을 찾고 있지만 그것이 있는지 모른다. 종단면 변화를 추론 / 예측하기 위해 단면 데이터를 사용하는 것이 왜 나쁜 것일 수 있는지에 대한 일련의 사례 연구 및 / 또는 확률 이론의 논거가 될 수 있습니다 (즉, 반드시 그런 것은 아니지만 가능할 수 있음).

영국에서 부유 한 사람들이 더 많이 여행하기 때문에 사회가 더 부유 해지면 전체 인구가 더 많이 여행 할 것이라는 추론이 이루어졌습니다. 그 추론은 10 년 이상 오랜 기간 동안 사실이 아닌 것으로 판명되었습니다. 국내 전력 사용과 유사한 패턴 : 단면 데이터는 시간이 지남에 따라 나타나지 않는 소득으로 큰 증가를 의미합니다.

코호트 효과와 공급 측면 제약을 포함하여 몇 가지 일이 진행되고 있습니다.

이와 같은 사례 연구를 컴파일 한 단일 참조를 갖는 것이 매우 유용합니다. 종단면 변화를 추론 / 예측하기 위해 단면 데이터를 사용하는 것이 매우 오도 될 수있는 이유를 설명하기 위해 확률 이론을 사용했습니다.

그러한 종이가 존재합니까? 그렇다면 그렇다면 무엇입니까?

"세로"변경을 요청하여 자신의 질문에 부분적으로 답변합니다. 단면 데이터는 시간이 지남에 따라 스냅 샷을 찍기 때문에 문자 그대로 시간 관계가 많은 사회에서 많은 관계를 가진 단면으로 나뉩니다. 그러므로, 당신이 할 수있는 최선의 추론은 그것이 무엇을 공부하든 시간이 변하지 않거나 최소한 진화를 결론 지었다는 가정하에 있습니다.

다른 한편으로, 찾고자하는 데이터는 경제학자를위한 종단 데이터 또는 패널 데이터입니다.

대부분 방법을 설명하지만 Economics의 두 가지 주요 예를 강조하는 좋은 참고 자료가 여기 있습니다 . Example 2.1에는 회사 투자율이 있습니다.

섹션 3은 좀 더 이론적이지만 많은 통찰력을 제공합니다. 패널 데이터 모델은

$$\begin{eqnarray} y_{i,t} = \alpha y_{i,t-1} + x_{i,t} \gamma + \eta_{i} + v_{i,t}. \end{eqnarray}$$

이제이 유형의 모델은 사람들이 다르게 행동하는 이유에 대한 일반적인 설명 인 상태 의존성을 캡처 할 수 있습니다. 따라서 특정 시점에 여행하는 사람 만 관찰하면 가 식별되지 않으므로 어제의 여행이 여행의 결정에 어떤 영향을 미쳤는지 알 수 없습니다.$\alpha$

이제 시간 의존성을 잠시 멈추십시오. 그러나이 방정식은 실제 모델 일 수 있습니다.

$t$$\eta_{i}'s$

$\eta_i$

이제 이것이 단면 데이터와 패널 데이터의 주요 차이점입니다. 시간 변동이 있기 때문에 시간 불변 효과를 제거 할 수 있다는 사실은 단면 추정으로 감지 할 수없는 특정 바이어스를 제거 할 수 있습니다. 따라서 사람들이 여행 할 것으로 예상하고 더 많은 정부 수입을 원하기 때문에 여행에 대한 세금 인상과 같은 정책 변경을 고려하기 전에 몇 년 동안 현상을 본 것이 더 유용합니다. 샘플에서 관찰되지 않은 이질성을 포착하여 이동 성향으로 해석합니다.

이러한 모델을 추정하려면 참조를 수행하는 것이 가장 좋습니다. 그러나 사람들의 행동에 대한 다른 가정은 다른 추정 절차를 허용 할 수 있는지 여부에 유의하십시오.

이게 도움이 되길 바란다!

비인간적 프로세스의 정의와 매우 흡사합니다 (시간이 지남에 따라 측정 값과 동일하지 않은 실현에 대한 측정 값). 슬프게도 흥미로운 실제 현상은 인체 공학적으로 거의 없습니다. 나는 이것이 특정 단순화가 수행 될 수있는 미세한 샘플링 및 추론의 경우 일 수 있다고 생각합니다. 나는 혼란스러운 행동이 관찰되지 않아 예측 변수가 선형화 될 수있는 작은 시간 또는 공간 규모의 예를 생각하고 있습니다. 그러나 나는 단지 여기에서 엉망이다. 나는 주제에 관한 특정 문헌으로 당신을 도울 수 없을 것 같다. 죄송하지만 : 그럼에도 불구하고 흥미로운 질문