Концепция устойчивого развития признана мировым сообществом в качестве центральной стратегии развития человечества, которая направлена на преодоление глобального экологического кризиса


Панельные данные как метод исследования влияния различных факторов на уровень выбросов



страница7/12
Дата01.01.2018
Размер0.62 Mb.
ТипЗакон
1   2   3   4   5   6   7   8   9   ...   12

2.3 Панельные данные как метод исследования влияния различных факторов на уровень выбросов


Панельные данные – это наблюдение за некоторым числом объектов на протяжении нескольких периодов времени.

Основные преимущества данных этого типа заключаются в следующем:

1) они предоставляют исследователю большое количество наблюдений, увеличивая число степеней свободы и снижая коллинеарность между объясняющими переменными и, следовательно, улучшая эффективность оценок;

2) они позволяют анализировать множество важных экономических вопросов, которые не могут быть адресованы к временным рядам и cross-section данным (пространственные выборки) в отдельности;

3) они позволяют предотвратить смещение агрегированности, неизбежно возникающее как при анализе временных рядов (где рассматривается временная эволюция усредненного «репрезентативного» объекта), так и при анализе cross-section данных (где не учитываются ненаблюдаемые индивидуальные характеристики объектов);

4) они дают возможность проследить индивидуальную эволюцию характеристик объектов во времени.

Существующие проблемы панельных обследований:


  • смещение в данных в связи с самоотбором (отсутствием или искажением ответов на отдельные вопросы)

  • истощение и ротационные панели как решение проблемы истощения

Общее описание регрессионной модели

Регрессионная модель панельных данных отличается от регрессии обычных временных рядов или пространственной регрессии тем, что её переменные имеют двойной нижний индекс, т.е.



где i- номер объекта (домашние хозяйства, фирмы, страны и т.д.), t-время, α -свободный член, β - вектор коэффициентов размерности K×1, X’i,t =(X1it X2it … Xkit) - вектор-строка матрицы K объясняющих переменных.

Большинство приложений панельных данных использует однокомпонентную модель случайной ошибки νi,t:



где ui - ненаблюдаемые индивидуальные эффекты, а εit - остаточное возмущение.

ui не зависят от времени и отвечают за характеристики объектов, которые не включены в регрессию непосредственно. Остаточное возмущение εit меняется в зависимости от времени и объектов, и может рассматриваться как обыкновенная случайная составляющая в регрессии. [10, c. 10]


Модель с детерминированными эффектами (fixed effects model)

Модель с детерминированными эффектами характеризуется тем, что ui – фиксированные параметры, остаточные возмущения εit – независимые одинаково распределённые случайные величины - IID(0,σε2) и Xi,t – предполагаются независимыми от εit для всех i и t. Эта модель является подходящей спецификацией, если, например, сосредоточиться на исследовании уникального набора N фирм (IBM, GE, Westinghouse и т.д.), и умозаключения ограничены поведением только этих представителей. Другим примером может быть набор из N компаний, стран Организации Экономического Сотрудничества и Развития или регионов России. Выводы в этом случае обусловлены особенностями рассматриваемых N фирм, стран или регионов. [10, c. 22]

При построении моделей анализа панельных данных потребность учитывать индивидуальные особенности объектов приводит к следующей проблеме: наиболее эффективные методы оценивания оказываются несостоятельными, а состоятельные методы дают неэффективные оценки коэффициентов регрессионных соотношений. В частности, переход к центрированным по времени наблюдениям – техника “Within” – позволяет избавиться от индивидуальных эффектов, но в то же время, приводит к существенной потере эффективности. Рассмотрение тех же регрессионных соотношений для средних по времени значений переменных (“Between” ) позволяет оценить величину вклада индивидуальных эффектов в изменчивость зависимых переменных, но эти оценки имеют сильное смещение агрегированности.

Модель со случайными эффектами (random effects model)

В модели с фиксированными эффектами слишком много параметров и потери степеней свободы можно избежать, если предположить индивидуальные эффекты μi случайными. Тогда можно предполагать, что ui~IID(0, σμ2), εit~IID(0, σε2), и μi не зависят от εit. Кроме того, Xit не зависят от ui и εit для всех i и t. Модель со случайными эффектами применяется в том случае, если мы выбираем случайным образом N объектов из большой генеральной совокупности элементов, например, в случае исследований панелей домашних хозяйств, индивидуумов или мелких фирм. Другим примером могут служить представители однородных товарных групп, образованных товарами-заменителями.[10, c. 24]

Модель со случайными эффектами можно рассматривать как компромисс между сквозной регрессией, налагающей сильное ограничение гомогенности на все коэффициенты уравнения регрессии для любых i и t, и регрессией FE, которая позволяет для каждого объекта выборки ввести свою константу и, таким образом, учесть существующую в реальности, но ненаблюдаемую гетерогенность.

Поиски такого компромисса бывают вызваны следующими причинами:

• оценки модели FE хотя и состоятельны для статических моделей в отсутствии эндогенности, но часто не очень эффективны. Иными словами, может получиться так, что коэффициенты при наиболее интересующих нас переменных окажутся незначимы;

• модель FE не позволяет оценивать коэффициенты при инвариантных по времени регрессорах, так как они элиминируются из модели после преобразования «within».

Сквозная регрессионная модель хотя и лишена этих недостатков, но часто дает несостоятельные оценки, поскольку не никак не учитывает индивидуальную гетерогенность.

В модели со случайными эффектами (ui – случайны) индивидуальная гетерогенность учитывается не в самом уравнении, а в матрице ковариаций, которая имеет блочно-диагональный вид, так как внутри каждой группы случайные эффекты корреллируют между собой. Для оценивания такой регрессии следует использовать обобщенный метод наименьших квадратов (GLS).



Каталог: data -> 2013
2013 -> Федеральное государственное автономное образовательное
2013 -> Источники в социологии
2013 -> Политические ориентации современной российской молодежи
2013 -> 5 Алёшин А. И. Несколько тезисов к теме конференции 7
2013 -> Исследование особенностей жизнедеятельности семей в современной России
2013 -> Владимир карлович кантор
2013 -> Факт и образ: жанровая специфика мультимедийных и телевизионных проектов на темы истории
2013 -> Социокультурные аспекты процесса глобализации


Поделитесь с Вашими друзьями:
1   2   3   4   5   6   7   8   9   ...   12


База данных защищена авторским правом ©znate.ru 2019
обратиться к администрации

    Главная страница