คุณตอบคำถามของคุณเองบางส่วนโดยขอการเปลี่ยนแปลง "ระยะยาว" ข้อมูลภาคตัดขวางถูกเรียกใช้เนื่องจากพวกเขาถ่ายภาพทันเวลาซึ่งเป็นภาพตัดขวางที่ถูกตัดออกจากสังคมที่มีการเปลี่ยนแปลงตลอดเวลาซึ่งมีความสัมพันธ์มากมาย ดังนั้นการอนุมานที่ดีที่สุดที่คุณหวังว่าจะทำคืออยู่ภายใต้สมมติฐานว่าสิ่งที่คุณกำลังศึกษาอยู่นั้นไม่แปรเปลี่ยนเป็นเวลาหรืออย่างน้อยก็สรุปวิวัฒนาการของมัน
ในอีกด้านหนึ่งข้อมูลที่คุณต้องการคือข้อมูลระยะยาวหรือข้อมูลแผงสำหรับนักเศรษฐศาสตร์
การอ้างอิงที่ดีที่จะอธิบายถึงวิธีการส่วนใหญ่ แต่ยังเน้นสองตัวอย่างที่โดดเด่นจากเศรษฐศาสตร์คือที่นี่ ตัวอย่าง 2.1 มีอัตราการลงทุนของ บริษัท
ส่วนที่ 3 เป็นเพียงทฤษฎีเล็กน้อย แต่มีข้อมูลเชิงลึกมาก: โมเดลข้อมูลพาเนลสามารถ
Yฉัน, เสื้อ= α yฉัน, ที- 1+ xฉัน, เสื้อγ+ ηผม+ vฉัน, เสื้อ.
ตอนนี้แบบจำลองประเภทนี้สามารถจับภาพการพึ่งพาของรัฐซึ่งเป็นคำอธิบายทั่วไปสำหรับสาเหตุที่ผู้คนทำงานแตกต่างกัน ดังนั้นหากคุณสังเกตเห็นคนที่เดินทางในเวลาที่กำหนดของคุณจะไม่ปรากฏชื่อซึ่งหมายความว่าคุณไม่ทราบว่าการเดินทางของพวกเขาเมื่อวานนี้มีอิทธิพลต่อการตัดสินใจเดินทางอีกครั้งα
ตอนนี้ปิดการพึ่งพาเวลาสักครู่ แต่โปรดจำไว้ว่าสมการนี้อาจเป็นรูปแบบที่แท้จริง
ในรุ่น cross section ตอนนี้คุณจะดร็อปห้อยทั้งหมดเนื่องจากคุณมีข้อมูลในช่วงเวลาเดียว ดังนั้นคุณจึงไม่มีความเป็นไปได้ที่บัญชีสำหรับความจริงที่ว่าแต่ละคนในชุดข้อมูลของคุณอาจแตกต่างกันอย่างมากซึ่งจะทำให้การถดถอยของคุณสูงขึ้นโดยทั่วไปอย่างน้อยเมื่อแบบจำลองที่แท้จริงเป็นแบบไดนามิก นี่อาจเป็นสาเหตุของการประเมินค่าสูงไปเนื่องจากผลที่ไม่ได้ตรวจสอบ (อาจเป็นเรื่องธรรมดาเช่นกัน) ที่คุณไม่ได้วัด แต่ก็สะท้อนให้เห็นในการศึกษาข้ามส่วนของคุณη ' ฉัน sเสื้อη′is
ตอนนี้ป้อนข้อมูลแผงอีกครั้ง สิ่งที่เราสามารถทำได้คือลบค่าเฉลี่ยเมื่อเวลาผ่านไปของแต่ละตัวแปรซึ่งเมื่อค่าเฉลี่ยของคงที่ตลอดเวลาจะเป็นการกำจัดเทอมนี้ การเปลี่ยนแปลงนี้ (เป็นไปได้อื่น ๆ ) ช่วยให้คุณสามารถมุ่งเน้นไปที่การเปลี่ยนแปลงเท่านั้น (และในความเป็นจริงคุณจะสูญเสีย regressors ที่ไม่เปลี่ยนแปลงเวลา)ηi
ตอนนี้นี่คือความแตกต่างที่สำคัญระหว่างข้อมูลหน้าตัดและแผงควบคุม ความจริงที่ว่าคุณสามารถกำจัดเอฟเฟกต์ที่ไม่แปรเปลี่ยนเวลาได้เพราะคุณมีการแปรผันของเวลาทำให้คุณสามารถลบอคติบางอย่างที่การประมาณค่าตัดขวางไม่อนุญาตให้คุณตรวจจับ ดังนั้นก่อนที่คุณจะพิจารณาการเปลี่ยนแปลงนโยบายเช่นภาษีที่สูงขึ้นในการเดินทางเพราะคุณคาดหวังให้ผู้คนเดินทางและคุณต้องการรายได้จากรัฐบาลมากขึ้นมันจะมีประโยชน์มากขึ้นที่จะได้เห็นปรากฏการณ์ในช่วงสองสามปีที่ผ่านมาดังนั้นคุณจึงมั่นใจได้ว่า การจับภาพความแตกต่างที่ไม่ได้สังเกตในตัวอย่างของคุณซึ่งคุณตีความว่าเป็นนิสัยชอบที่จะเดินทาง
ในการประเมินโมเดลเหล่านี้จะเป็นการดีที่สุดที่จะผ่านการอ้างอิง แต่ระวัง: สมมติฐานที่ต่างกันเกี่ยวกับพฤติกรรมของผู้คนจะทำให้ขั้นตอนการประมาณค่าที่ยอมรับได้นั้นแตกต่างกันหรือไม่
ฉันหวังว่านี่จะช่วยได้!