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


11

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?


2
나는 경제학자들이 이러한 현상을 일종의 일반적인 평형 효과로 생각할 것이라고 믿는다. 통계 사람들은 이것을 안정적인 단위 처리 가치 가정 위반이라고 부릅니다. 패널 대 횡단면 문제는 약간의 청어라고 생각합니다.
Dimitriy V. Masterov

답변:


2

"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

와이나는,=α와이나는,1+엑스나는,γ+η나는+V나는,.

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.α

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

η나는'에스

η나는

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!


1

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

당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.