แก้ไขฉันถ้าฉันผิดที่นี่:
แนวคิดมีสี่ผลกระทบที่เป็นไปได้: การสกัดกั้นคงที่, สัมประสิทธิ์คงที่, สกัดกั้นแบบสุ่ม, สัมประสิทธิ์แบบสุ่ม แบบจำลองการถดถอยส่วนใหญ่เป็น 'เอฟเฟ็กต์แบบสุ่ม' ดังนั้นพวกเขาจึงมีการสกัดแบบสุ่มและค่าสัมประสิทธิ์แบบสุ่ม คำว่า 'เอฟเฟ็กต์แบบสุ่ม' มีการใช้งานตรงกันข้ามกับ 'เอฟเฟกต์คงที่'
'ลักษณะพิเศษตายตัว' คือเมื่อตัวแปรมีผลต่อตัวอย่างบางส่วน แต่ไม่ใช่ทั้งหมด รุ่นที่ง่ายที่สุดของโมเดลเอฟเฟกต์คงที่ (แนวคิด) จะเป็นตัวแปรจำลองสำหรับเอฟเฟกต์คงที่ที่มีค่าไบนารี แบบจำลองเหล่านี้มีการสกัดกั้นแบบสุ่มเดียวสัมประสิทธิ์ผลคงที่และสัมประสิทธิ์ตัวแปรแบบสุ่ม
ชั้นที่สองของภาวะแทรกซ้อน (ตามแนวคิด) คือเมื่อเอฟเฟกต์คงที่ไม่ใช่ไบนารี แต่เป็นค่าเล็กน้อยที่มีค่ามากมาย ในกรณีนี้สิ่งที่สร้างขึ้นคือแบบจำลองที่มีจุดตัดหลายจุด (หนึ่งค่าสำหรับแต่ละค่าเล็กน้อย) นี่คือที่ที่คุณจะได้รับ 'หลายบรรทัด' ของโมเดลข้อมูลพาเนลคลาสสิกที่ 'ตัวเลือก' ของตัวแปรเอฟเฟกต์คงที่แต่ละตัวจะได้รับเอฟเฟกต์ของตัวเอง ข้อดีของการโยนชุดข้อมูลเฉพาะปัจจัยที่แตกต่างกันทั้งหมดลงในการถดถอยครั้งเดียว (แทนที่จะทำแต่ละปัจจัยของผลกระทบคงที่ในฐานะการถดถอยของตัวเอง) คือการที่คุณจะรวมความแปรปรวนของผลต่าง ๆ ทั้งหมดในสมการเดียว รับค่าดีขึ้น (แน่นอนยิ่งขึ้น) สำหรับค่าสัมประสิทธิ์ทั้งหมดของคุณ
'ระดับที่สาม' ของความซับซ้อนจะเกิดขึ้นเมื่อ 'เอฟเฟกต์คงที่' เป็นตัวแปรสุ่มยกเว้นว่าเอฟเฟกต์นั้นจะ 'คงที่' ที่จะส่งผลต่อชุดย่อยของตัวอย่างเท่านั้น ณ จุดนี้โมเดลจะมีจุดตัดแบบสุ่มจุดตัดหลายจุดคงที่และตัวแปรสุ่มหลายจุด ฉันคิดว่านี่คือสิ่งที่เรียกว่าแบบจำลอง 'เอฟเฟ็กต์ผสม'?
'เอฟเฟ็กต์แบบผสม' ใช้สำหรับการสร้างแบบจำลองหลายระดับ (MLM) เนื่องจากสามารถใช้ 'เอฟเฟ็กต์คงที่' เพื่อทำรังข้อมูลย่อยหนึ่งชุดภายในอีกชุดหนึ่ง การจัดกลุ่มนี้สามารถมีหลายระดับโดยมีนักเรียนซ้อนอยู่ในห้องเรียนซ้อนกันภายในโรงเรียน โรงเรียนเป็นผลกระทบคงที่ในห้องเรียนและห้องเรียนกับนักเรียน (โรงเรียนอาจมีหรือไม่มีผลกับนักเรียนขึ้นอยู่กับการออกแบบการทดลอง - ไม่แน่ใจ)
โมเดลข้อมูลพาเนลคือโมเดล 'เอฟเฟ็กต์แบบผสม' แต่ใช้สองมิติสำหรับการจัดกลุ่มโดยทั่วไปเวลาและหมวดหมู่บางประเภท