Kendi sorunuzu kısmen "boyuna" değişiklikler isteyerek cevaplıyorsunuz. Kesit verisi çağrılır, çünkü zaman içinde gelişmekte olan bir toplumdan çok sayıda ilişkisi olan dilimlenmiş bir kesit. Bu nedenle, yapmayı ümit edebileceğiniz en iyi çıkarım, çalıştığınız her şeyin zamanla değişmediği veya en azından evrimini tamamladığı varsayımı altındadır.
Diğer yandan, aradığınız veriler Ekonomistler için uzunlamasına veriler veya panel verileridir.
Çoğunlukla yöntemleri açıklayan ancak aynı zamanda Ekonomi'den öne çıkan iki örneği vurgulayan iyi bir referans burada . Örnek 2.1, şirket yatırım oranlarına sahiptir.
Bölüm 3 biraz daha teoriktir, ancak çok fazla bilgi içerir: bir panel veri modeli
yi,t=αyi,t−1+xi,tγ+ηi+vi,t.
Şimdi, bu tür bir model insanların bağımlılıklarının neden farklı davrandığına dair yaygın bir açıklama olan (gözlemlenmeyen heterojenliğin yanında) devlet bağımlılığını yakalayabilir. Bu nedenle, yalnızca belirli bir zamanda seyahat eden insanları gözlemlerseniz, tanımlanmayacaktır, yani dün seyahatlerinin tekrar seyahat etme kararını ne kadar etkilediğinin farkında değilsiniz.α
Şimdi, bir an için zamana bağımlılığı kapatın ancak bu denklemin gerçek model olabileceğini unutmayın.
Şimdi bir kesit modelinde, tamamen bırakacaksınız çünkü sadece bir dönemde veriye sahipsiniz. Bu nedenle, veri her bireyin , en azından gerçek model dinamik olduğunda, regresyonlarınızı genel olarak yukarı doğru , çılgınca farklı sahip olabileceği gerçeğini de . Muhtemelen ölçülmeyen, ancak gözlemlemediğiniz, ancak kesit araştırmanıza yansıyan, gözlemlenmeyen bireysel bir etki (yaygın da olabilir) nedeniyle aşırı tahminin sebebidir.tη′is
Şimdi panel verilerini tekrar girin. Ne yapabiliriz ortalama göz önüne alındığında, her bir değişkenin ortalama üzerinde zaman çıkarmak olduğunu sabit zamanla bu terim ortadan kaldıracaktır. Bu dönüşüm (diğerleri mümkündür) sadece dinamiklere odaklanmanıza izin verir (ve aslında zamanla değişmeyen regresörleri kaybedersiniz).ηi
Şimdi, bu kesit ve panel verileri arasındaki temel farktır. Zamanla değişmeyen etkiyi ortadan kaldırabilmeniz, çünkü bu zaman varyasyonuna sahip olmanız, enine kesit tahmininin tespit etmenize izin vermediği belirli önyargıları ortadan kaldırmanıza izin verir. Bu nedenle, insanların seyahat etmesini beklediğiniz ve daha fazla devlet geliri istediğiniz için seyahat konusunda daha yüksek bir vergi gibi bir politika değişikliğini düşünmeden önce, fenomeni birkaç yıl boyunca görmüş olmak, böylece seyahat etme eğilimi olarak yorumladığınız numunenizde gözlemlenmeyen heterojenliği yakalamak
Bu modelleri tahmin etmek için referanstan geçmek en iyisidir. Ancak dikkat: insanların davranışlarıyla ilgili farklı varsayımlar, farklı tahmin prosedürlerini kabul edilebilir hale getirecektir.
Umarım bu yardımcı olur!