ความแตกต่างระหว่างเศรษฐมิติอนุกรมเวลาและเศรษฐมิติข้อมูลแบบแผงคืออะไร

คำถามนี้อาจไร้เดียงสามาก แต่วิธีที่ฉันสอนเกี่ยวกับเศรษฐมิติฉันสับสนมากหากมีความแตกต่างระหว่างอนุกรมเวลาและวิธีการคำนวณข้อมูล

เกี่ยวกับอนุกรมเวลาฉันได้กล่าวถึงหัวข้อต่าง ๆ เช่นความแปรปรวนแบบคงที่, AR, MA และอื่น ๆ เกี่ยวกับข้อมูลพาเนลฉันได้เห็นการอภิปรายในรูปแบบของเอฟเฟกต์คงที่เทียบกับเอฟเฟ็กต์แบบสุ่มเท่านั้น ในความแตกต่าง ฯลฯ

หัวข้อเหล่านี้เกี่ยวข้องกันในบางวิธีหรือไม่? เนื่องจากข้อมูลพาเนลยังมีมิติเวลาเหตุใดจึงไม่มีการอภิปราย AR, MA และอื่น ๆ อีกด้วย

หากคำตอบคือการศึกษาของฉันเกี่ยวกับวิธีการสอนไม่เพียงพอคุณสามารถชี้ไปที่หนังสือที่ครอบคลุมมากกว่าแค่ FE / RE, ความแตกต่างในความแตกต่างหรือไม่?

อย่างน้อยในสังคมศาสตร์คุณมักจะมีข้อมูลพาเนลที่มีเอ็นซีทีโทนิก T ขนาดใหญ่และขนาดเล็กเช่นหลายหน่วยงาน แต่แต่ละอันคุณสังเกตเห็นในช่วงเวลาสั้น ๆ นี่คือเหตุผลที่การประยุกต์ใช้งานกับข้อมูลพาเนลมักเกี่ยวข้องกับส่วนประกอบอนุกรมเวลาของข้อมูลค่อนข้างน้อย

อย่างไรก็ตามองค์ประกอบอนุกรมเวลายังคงมีความสำคัญในการจัดการข้อมูลพาเนล ยกตัวอย่างเช่นระดับของความสัมพันธ์อัตโนมัติกำหนดว่าผลคงที่หรือความแตกต่างแรกมีประสิทธิภาพมากขึ้น ความแตกต่างในความแตกต่างในการปฏิบัติที่เหมาะสมของข้อผิดพลาดมาตรฐานในการอธิบายความสัมพันธ์อัตโนมัติเป็นสิ่งสำคัญสำหรับการอนุมานที่ถูกต้อง (ดูBertrand et al., 2004 ) แผงควบคุมแบบไดนามิกที่ใช้ตัวประมาณค่าสำหรับขนาดเล็ก N, asymptotics T ขนาดใหญ่ยังมีอยู่คุณมักจะพบข้อมูลดังกล่าวในด้านเศรษฐศาสตร์มหภาค คุณอาจพบปัญหาเกี่ยวกับอนุกรมเวลาที่รู้จักเช่นแผงที่ไม่อยู่นิ่ง

การรักษาที่ยอดเยี่ยมของหัวข้อเหล่านี้มีอยู่ใน Wooldridge (2010) "การวิเคราะห์ทางเศรษฐมิติของข้อมูลส่วนและข้อมูลพาเนล"

มิติข้อมูลแผงที่สองไม่จำเป็นต้องใช้เวลา เราสามารถมีข้อมูลเกี่ยวกับฝาแฝดหรือพี่น้องหรือข้อมูลเกี่ยวกับบุคคล N คนที่ตอบคำถามแบบสำรวจ T ข้อมูลระยะยาวโดยที่ T เป็นมิติที่สองเป็นเนื้อหาข้อมูลประเภทพาเนลที่พบมากที่สุดและกลายเป็นคำพ้องกับมัน

แผงไมโครหรือแผงวงจรสั้น (ใหญ่ N, เล็ก T) โดยทั่วไปมี asymptotics ที่ส่ง N ไปยังอินฟินิตี้ทำให้ T คงที่ แมโครหรือพาเนลที่มีความยาวปานกลาง N และ T ขนาดใหญ่และ asymptotics มีแนวโน้มที่จะยึด N คงที่และเติบโต T หรือเพิ่มขึ้นทั้ง N และ T ด้วยพาเนลขนาดเล็กการพึ่งพาข้ามหน่วยเป็นเรื่องที่ไม่ปกติเพราะหน่วยสุ่มตัวอย่างแบบสุ่ม ด้วยพาเนลแมโครอาจเป็นปัญหาจริง (ตัวอย่างเช่นการพึ่งพาเชิงพื้นที่ระหว่างประเทศหรือรัฐ) ด้วยพาเนลแมโครคุณยังต้องกังวลเกี่ยวกับรากของยูนิตการแตกโครงสร้างและการแยกตัวออกซึ่งทั้งหมดนี้เกี่ยวข้องกับอนุกรมเวลาที่คุ้นเคย นอกจากนี้คุณยังต้องกังวลเกี่ยวกับปัญหาการคัดเลือก (เช่นการขัดสีการเลือกตนเองและการไม่ตอบกลับ) เมื่อ T นั้นนานพอแม้แต่ประเทศก็สามารถหายไปได้

ฉันจะดูที่การวิเคราะห์เศรษฐมิติของข้อมูลแผง Baltagi โดยเฉพาะตอนที่ 8, 12 และ 13 นอกจากนี้ยังครอบคลุมรายละเอียดบางส่วนด้วย รุ่นก่อนหน้านี้ยังมีไดรฟ์ข้อมูลคู่หูพร้อมโซลูชันการออกกำลังกายที่ดีมาก

มันเป็นคำถามที่เน้นเป็นส่วนใหญ่เนื่องจากข้อมูลทั้งสองประกอบด้วยองค์ประกอบของภาคตัดขวางและอนุกรมเวลา

ข้อมูลพาเนลมีแนวโน้มที่จะมี N ขนาดใหญ่และเล็กกว่า T

มีความสนใจมากขึ้นในแต่ละองค์ประกอบ (เช่นร้านค้าในช่วงเวลาที่ผู้บริโภคในช่วงเวลา) และโอกาสในการแบ่งส่วนองค์ประกอบเหล่านั้น (เช่นผู้บริโภคที่มีรายได้สูงผู้บริโภคที่ย้ายจากรายได้ระดับกลางถึงสูง)

แต่ละองค์ประกอบมีปัญหาการอยู่รอด / การทดแทน (ส่วนประกอบออกจากการศึกษาด้วยเหตุผลบางอย่างและจะต้องเปลี่ยน) ด้วยข้อมูลทางเศรษฐมิติคุณมีแนวโน้มที่จะจัดการในระดับรวมมากกว่าและมักเป็นปัญหาของคนอื่น (เช่นคนดีที่ BLS) เพื่อจัดการกับปัญหาเหล่านั้น

ปัญหา Autocorrelation เกิดขึ้น แต่มักจะถูกจำลองเป็นประวัติศาสตร์ที่ผ่านมาแทนที่จะเป็น autocorrelation ต่อ se เช่นประวัติศาสตร์ที่ผ่านมาของคุณในการซื้อ Chocolate Frosted Sugar Bombs http://www.gocomics.com/calvinandhobbes/1986/03/22แจ้งการทำนาย ของพฤติกรรมการซื้อในอนาคต

ดังที่ได้กล่าวมาแล้วข้อมูลพาเนลมักถูกใช้ในระดับบุคคลมากกว่าในระดับรวมที่มีขนาดใหญ่ N และเล็ก T มีข้อดีหลายประการที่ใช้ข้อมูลพาเนลเนื่องจากเราสามารถลบความแตกต่างของบุคคลและมักจะได้พลังงานที่สูงขึ้นเมื่อทดสอบ . มิติเวลาใหม่นี้จะแนะนำวิธีการสมมติฐานและปัญหาใหม่ ๆ เมื่อเปรียบเทียบกับข้อมูลแบบตัดขวาง (ฉันจะแนะนำให้คุณอ่านหนังสือของ Wooldridge เพื่อศึกษาสิ่งเหล่านี้อย่างใกล้ชิด)

อย่างไรก็ตามเป็นเรื่องธรรมดามากในเศรษฐศาสตร์ที่จะใช้ข้อมูลระดับประเทศด้วย N และ T ขนาดใหญ่ T แนะนำวิธีการแก้ปัญหาที่ไม่พบเมื่อจัดการกับข้อมูลพาเนล T ขนาดใหญ่ N และ T ขนาดเล็ก ตัวอย่างเช่นเราสามารถมีรูทยูนิตในพาเนลของเราและมีการทดสอบรูทยูนิตพาเนลเฉพาะเพื่อจัดการกับปัญหาเฉพาะนี้ โปรดสังเกตว่าสิ่งเหล่านี้มีพลังงานสูงกว่าการทดสอบรูทยูนิตในแต่ละชุด นอกจากนี้เรายังสามารถมีประเภทอื่น ๆ ที่ไม่ใช่ stationarity ทุกประเภทในแผงเหล่านี้ นอกจากนี้เมื่อจัดการกับข้อมูลพาเนลที่มีขนาดเล็ก N และ T ขนาดใหญ่เราก็สามารถมี cointegration อีกประเด็นสำคัญเมื่อจัดการกับข้อมูลพาเนล T และ N ที่มีขนาดใหญ่คือข้อมูลนี้มักจะเป็นตัวแปรทางเศรษฐกิจระดับประเทศและในกรณีนี้การสันนิษฐานว่ามีการละเมิดความเป็นอิสระมักจะถูกทดสอบและควรได้รับการทดสอบ

ดังนั้นข้อมูลพาเนลที่มีขนาดใหญ่ N และ T ขนาดเล็กจึงแนะนำมิติอนุกรมเวลาเปรียบเทียบกับข้อมูลส่วนตัดและมีความคล้ายคลึงกับการวิเคราะห์แบบตัดขวางในขณะที่แผงที่มีขนาดใหญ่ T และขนาดเล็ก N แนะนำมิติข้อมูลแบบตัดขวาง การวิเคราะห์อนุกรมเวลา

หนังสือยอดเยี่ยมเกี่ยวกับข้อมูลพาเนลที่มี N และ T ขนาดเล็กคือ "การวิเคราะห์เศรษฐมิติของข้อมูลส่วนและข้อมูลพาเนล" โดย Wooldridge หนังสือเล่มนี้ค่อนข้างหนาแน่นและบรรจุข้อมูลจำนวนมากในทุกหน้าดังนั้นคุณอาจต้องการเริ่มต้นด้วยหนังสือเกริ่นนำในสาขาเศรษฐมิติและอ่านหัวข้อข้อมูลแผงที่นั่นก่อน

ฉันไม่ทราบหนังสือเล่มใดเล่มหนึ่งสำหรับแผงควบคุมที่มี T ขนาดใหญ่และขนาดเล็ก N แต่มีหนังสือเล่มหนึ่งที่เรียกว่า: "Nonstationary Panels, Panel Cointegration และ Dynamic Panels", Baltagi, ed

ฉันต้องการเติมเต็มคำตอบข้างต้นด้วยการอ้างอิงที่คุณสามารถอ่านเพิ่มเติมเกี่ยวกับการพึ่งพาเวลาในโมเดลข้อมูลพาเนลตามที่คุณร้องขอ: Verbeek, Marno คู่มือสำหรับเศรษฐมิติที่ทันสมัยไวลีย์ มีบทหนึ่งในหนังสือเล่มนี้เกี่ยวกับโมเดลข้อมูลพาเนลที่สามารถทำหน้าที่เป็นการแนะนำที่ดี

เป็นตัวอย่างของการวิจัยร่วมสมัยเกี่ยวกับการพึ่งพาเวลาในข้อมูลแผงควบคุมคุณสามารถอ่าน:

Fredrik NG Andersson: การเปลี่ยนแปลงของอัตราแลกเปลี่ยนมีการตรวจสอบอีกครั้ง: การทดสอบข้อมูลแผงของคำสั่งการรวมส่วน Empir Econ (2014) 47: 389–409