1 / 11

Modele oparte o dane przekrojowo-czasowe

Modele oparte o dane przekrojowo-czasowe. Paweł Baranowski. Dane przekrojowo-czasowe. Połączenie szeregu czasowego (jeden obiekt, wiele okresów) i przekrojowego (wiele obiektów, jeden okres). Inaczej: dane panelowe (ang. panel data, longitudinal data, pooled cross-section ).

elkan
Download Presentation

Modele oparte o dane przekrojowo-czasowe

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Modele oparte o dane przekrojowo-czasowe Paweł Baranowski

  2. Dane przekrojowo-czasowe Połączenie szeregu czasowego (jeden obiekt, wiele okresów) i przekrojowego (wiele obiektów, jeden okres). Inaczej: dane panelowe (ang. panel data, longitudinal data, pooled cross-section).

  3. Zalety korzystania z danych panelowych • Możliwość pracy na danych o niewielkim stopniu agregacji. • Możliwość oszacowania wielkości (czasem determinant) zróżnicowania obiektów. • Możliwość oszacowania dynamiki zjawisk nawet gdy liczba okresów jest niewielka. • Znaczna ilość obserwacji, co za tym idzie większa precyzja wnioskowania. • Mniejsze znaczenie niektórych założeń dotyczących, w porównaniu z analizą szeregów czasowych (np. niestacjonarność).

  4. Przegląd zastosowań • Badania mikroekonomiczne, zwłaszcza rynku pracy. • Konwergencja realna i nominalna. • Badania wzrostu gospodarczego. • Badania międzynarodowe: wpływ czynników instytucjonalnych. • Badanie demograficzne.

  5. Metody estymacji parametrów modeli liniowych • KMNK najczęściej nieodpowiednie. • Efekty grupowe - sposób na zmienne niemierzalne / nieobserwowalne. • Estymator wewnątrzgrupowy (fixed effects). • Estymator panelowej UMNK (random effects). • Modele dynamiczne: inne metody (MZI i jego uogólnienia, np. Anderson i Hsiao; Arellano i Bond, 1991; Blundell i Bond 1998).

  6. Fixedeffects • Zróżnicowanie wyrazu wolnego pomiędzy obiektami: • Wyraz wolny szacowany indywidualnie dla każdego obiektu, inne parametry wspólne • Możliwe testowanie czy fixedeffectssą istotne statystycznie (inaczej: czy wprowadzenie zróżnicowania wyrazu wolnego jest statystycznie zasadne)

  7. MNK dla danych panelowych N=2

  8. Fixedeffectsdla danych panelowych N=2

  9. Random effects • Estymator bardziej efektywny niż fixed effects, jednak nie zawsze zgodny!(Standardowa wymienność w ekonometrii – np. MNK jest efektywniejszy od MZI przy założeniu, że zmienne objaśniające są nieskorelowane ze skł. losowym) • Nazwa oznacza nie tylko estymator, ale podejście do wprowadzenia efektów grup. • Zastosować fixed czy random effects ? możliwe testowanie (test Hausmana)

  10. Panele - potencjalne problemy • Czy zależność jest jednakowa dla wszystkich obiektów? • Dużo większe znaczenie założenia o egzogeniczności zmiennych objaśniających • Niekiedy inne metody estymacji i testowania hipotez • Różne metody dla paneli „mikro” i „makro” („szerokich” i „wąskich”) • Heteroskedastyczność

  11. Dziękuję za uwagę • Na koniec przykład ...(Stata)

More Related