Организация стока поверхностных вод: Наибольшее количество влаги на земном шаре испаряется с поверхности морей и океанов (88‰)...
Механическое удерживание земляных масс: Механическое удерживание земляных масс на склоне обеспечивают контрфорсными сооружениями различных конструкций...
Топ:
История развития методов оптимизации: теорема Куна-Таккера, метод Лагранжа, роль выпуклости в оптимизации...
Процедура выполнения команд. Рабочий цикл процессора: Функционирование процессора в основном состоит из повторяющихся рабочих циклов, каждый из которых соответствует...
Комплексной системы оценки состояния охраны труда на производственном объекте (КСОТ-П): Цели и задачи Комплексной системы оценки состояния охраны труда и определению факторов рисков по охране труда...
Интересное:
Влияние предпринимательской среды на эффективное функционирование предприятия: Предпринимательская среда – это совокупность внешних и внутренних факторов, оказывающих влияние на функционирование фирмы...
Искусственное повышение поверхности территории: Варианты искусственного повышения поверхности территории необходимо выбирать на основе анализа следующих характеристик защищаемой территории...
Принципы управления денежными потоками: одним из методов контроля за состоянием денежной наличности является...
Дисциплины:
2017-06-05 | 342 |
5.00
из
|
Заказать работу |
|
|
Для панельных данных типична ситуация, когда число объектов достаточно велико. Поэтому, применяя непосредственно метод наименьших квадратов к уравнению (1), при оценивании параметров можно столкнуться с вычислительными проблемами. Их можно преодолеть, исключая из рассмотрения индивидуальные эффекты . При этом мы понижаем размерность задачи с до .
Наиболее простой способ – переход в уравнении (1) к средним по времени величинам:
(2)
где
Вычитая почленно (2) из (1), получаем:
(3)
Данная модель уже не зависит от эффектов . По существу, это уравнение (1), записанное в отклонениях от индивидуальных средних по времени.
Оценка параметров модели
Применяя обычный метод наименьших квадратов к уравнению (3), мы получим оценки
(4)
Эти оценки называются внутригрупповыми оценками (within estimator) или оценками с фиксированным эффектом (fixed effect estimator).
Условия 1)-2), наложенные на модель, гарантируют несмещённость и состоятельность оценок с фиксированным эффектом.
В качестве оценок индивидуальных эффектов можно взять
.
Эти оценки являются несмещёнными и состоятельными для фиксированного при
Из формулы (4) вытекает выражение для матрицы ковариации оценки :
.
Как и в обычной линейной модели, в качестве оценки дисперсии можно взять сумму квадратов остатков регрессии, деленную на число степеней свободы:
.
При достаточно слабых условиях регулярности оценки с фиксированным эффектом являются асимптотически нормальными (при или при ), поэтому можно пользоваться стандартными процедурами ( -тесты, -тесты) для проверки гипотез относительно параметров .
Недостатки модели панельных данных с фиксированными эффектами
В панельных данных среди независимых переменных могут быть такие, которые не меняются во времени для каждого объекта. Например, при анализе заработной платы в число факторов часто включают пол или расовую принадлежность. Модель с фиксированным эффектом не позволяет идентифицировать соответствующие таким переменным коэффициенты. Формально это объясняется тем, что в уравнении (3) один или несколько регрессоров равны нулю, и, следовательно, метод наименьших квадратов применять нельзя.
|
Модель панельных данных со случайными эффектами (random effect model) опирается на структуру панельных данных, что позволяет учитывать неизмеримые индивидуальные различия объектов. Эти отличия называются эффектами. В данной модели предполагается, что индивидуальные отличия носят случайный характер.
Описание модели панельных данных со случайными эффектами
Во введенных обозначениях модель панельных данных со случайными эффектами описывается уравнением
(1)
где – константа, а – случайная ошибка, инвариантная по времени для каждого объекта.
Параметры модели: .
Основные предположения
Предположим, что выполнены следующие условия:
1. ошибки некоррелированы между собой по и , , ;
2. ошибки некоррелированы с регрессорами при всех ;
3. ошибки некоррелированы между собой по , , ;
4. ошибки некоррелированы с регрессорами при всех : ;
5. ошибки и некоррелированы при всех : .
Оценка параметров модели
Модель со случайным эффектом (1) можно рассматривать как линейную модель, в которой ошибка имеет некоторую специальную структуру. Будем рассматривать модель:
(2)
Для получения оценок параметров можно применить обычный метод наименьших квадратов. Условия 1)-3) гарантируют несмещённость и состоятельность этих оценок. Однако ошибки в (2) не являются гомоскедастичными, поэтому для построения эффективных оценок можно воспользоваться обобщенным методом наименьших квадратов.
|
|
Биохимия спиртового брожения: Основу технологии получения пива составляет спиртовое брожение, - при котором сахар превращается...
Наброски и зарисовки растений, плодов, цветов: Освоить конструктивное построение структуры дерева через зарисовки отдельных деревьев, группы деревьев...
Механическое удерживание земляных масс: Механическое удерживание земляных масс на склоне обеспечивают контрфорсными сооружениями различных конструкций...
Кормораздатчик мобильный электрифицированный: схема и процесс работы устройства...
© cyberpedia.su 2017-2024 - Не является автором материалов. Исключительное право сохранено за автором текста.
Если вы не хотите, чтобы данный материал был у нас на сайте, перейдите по ссылке: Нарушение авторских прав. Мы поможем в написании вашей работы!