Zawsze staram się uzyskać prawdziwą istotę problemu dotyczącego parametrów przypadkowych. Kilkakrotnie czytałem, że estymatory efektów stałych modeli danych nieliniowych paneli mogą być poważnie tendencyjne z powodu „dobrze znanego” problemu parametrów przypadkowych.
Kiedy proszę o jasne wyjaśnienie tego problemu, typowa odpowiedź brzmi: Załóżmy, że dane panelu obejmują N pojedynczych osób w T okresach. Jeśli T jest ustalone, gdy N rośnie, szacunki towarzyszące stają się tendencyjne. Dzieje się tak, ponieważ liczba niedogodnych parametrów rośnie szybko wraz ze wzrostem N.
Byłbym bardzo wdzięczny
- bardziej precyzyjne, ale wciąż proste wyjaśnienie (jeśli to możliwe)
- i / lub konkretny przykład, który mogę wypracować z R lub Statą.
nonlinear-regression
fixed-effects-model
bias
Emeryville
źródło
źródło
Odpowiedzi:
W modelach FE typu α jest parametrem ubocznym, ponieważ teoretycznie ma on drugorzędne znaczenie. Zwykle β jest ważnym parametrem statystycznie. Ale w gruncie rzeczy α jest ważne, ponieważ dostarcza użytecznych informacji na temat pojedynczego przechwytywania.
Zauważ, że na przykład w panelach przestrzennych sytuacja jest odwrotna - T jest zwykle uważane za wystarczająco duże, ale N jest ustalone. A więc asymptotyka pochodzi od T. Dlatego w panelach przestrzennych potrzebujesz dużego T!
Mam nadzieję, że to jakoś pomaga.
źródło