Was ist der Unterschied zwischen Zeitreihenökonometrie und Paneldatenökonometrie?

Diese Frage mag sehr naiv sein, aber die Art, wie ich Ökonometrie unterrichtet habe, ist sehr verwirrt, wenn es einen Unterschied zwischen Zeitreihen- und Paneldatenmethode gibt.

In Bezug auf Zeitreihen habe ich Themen wie Kovarianz stationär, AR, MA usw. behandelt. In Bezug auf Paneldaten habe ich nur Diskussionen in Form von festen Effekten gegenüber zufälligen Effekten (oder allgemeiner hierarchischen Modellen), Unterschiede usw.

Sind diese Themen in gewisser Weise miteinander verbunden? Da die Paneldaten auch eine zeitliche Dimension haben, warum werden AR, MA usw. nicht ebenfalls erörtert?

Wenn die Antwort lautet, dass meine Ausbildung in Panel-Methoden einfach unzureichend ist, können Sie auf ein Buch verweisen, das mehr als nur FE / RE, Unterschiede zwischen Unterschieden, behandelt?

Zumindest in den Sozialwissenschaften gibt es häufig Paneldaten mit großen N- und kleinen T-Asymptoten, dh vielen Entitäten, die Sie jedoch jeweils für einen relativ kurzen Zeitraum beobachten. Aus diesem Grund ist die angewandte Arbeit mit Paneldaten oft etwas weniger mit der Zeitreihenkomponente der Daten befasst.

Dennoch sind Zeitreihenelemente für die Behandlung von Paneldaten nach wie vor wichtig. Beispielsweise bestimmt der Grad der Autokorrelation, ob feste Effekte oder erste Unterschiede effizienter sind. Bei unterschiedlichen Unterschieden ist die richtige Behandlung der Standardfehler zur Berücksichtigung der Autokorrelation wichtig für eine korrekte Inferenz (siehe Bertrand et al., 2004 ). Dynamische Panels mit Schätzern für kleine N- und große T-Asymptoten sind ebenfalls verfügbar. Solche Daten finden Sie häufig in der Makroökonomie. Dort können Sie auf bekannte Zeitreihenprobleme wie Nichtstationarität des Panels stoßen.

Eine hervorragende Behandlung dieser Themen findet sich in Wooldridge (2010) "Econometric Analysis of Cross Section and Panel Data".

Die zweite Dimension der Paneldaten muss nicht die Zeit sein. Wir könnten Daten über Zwillinge oder Geschwister haben oder Daten über N Personen, die T Umfragefragen beantworten. Längsschnittdaten, bei denen T eine zweite Dimension ist, sind wahrscheinlich die am häufigsten verwendeten Paneldatentypen und sind quasi zum Synonym geworden.

Mikro- oder Kurzfelder (großes N, kleines T) weisen typischerweise Asymptoten auf, die N ins Unendliche senden, wobei T festgehalten wird. Makro- oder lange Panels haben ein moderates N und ein großes T, und die Asymptoten neigen dazu, N festzuhalten und T zu erhöhen oder sowohl N als auch T zu erhöhen Bei Makrotafeln kann dies ein echtes Problem sein (z. B. räumliche Abhängigkeit zwischen Ländern oder Staaten). Bei Makrotafeln müssen Sie sich auch um die Wurzeln der Einheiten, Strukturbrüche und die Kointegration kümmern. All dies sind bekannte Probleme mit Zeitreihen. Sie müssen sich auch gelegentlich über Selektivitätsprobleme Gedanken machen (wie Abrieb, Selbstselektivität und Nichtreaktion). Wenn T lang genug ist, können sogar Länder verschwinden.

Ich möchte einen Blick auf Baltagis ökonometrische Analyse von Paneldaten werfen , insbesondere auf die Kapitel 8, 12 und 13. Außerdem werden die kurzen Panels ausführlich behandelt. Die vorherige Ausgabe hatte auch einen Begleitband mit Übungslösungen, der sehr schön war.

Dies ist weitgehend eine Frage der Betonung, da beide Daten aus Querschnitts- und Zeitreihenkomponenten bestehen.

Panel-Daten haben eher große N und kleinere T.

Die einzelnen Komponenten (z. B. Geschäfte im Laufe der Zeit, Verbraucher im Laufe der Zeit) werden stärker berücksichtigt, und es ist wahrscheinlicher, diese einzelnen Komponenten zu segmentieren (z. B. Verbraucher mit hohem Einkommen, Verbraucher, die von einem mittleren zu einem hohen Einkommen gewechselt sind).

Die einzelnen Komponenten haben Überlebens- / Austauschprobleme (die Komponenten verlassen die Studie aus irgendeinem Grund und müssen ersetzt werden). Bei ökonometrischen Daten ist die Wahrscheinlichkeit höher, dass Sie es mit einer aggregierteren Ebene zu tun haben, und es ist oftmals das Problem eines anderen (z. B. die feinen Leute an der BLS), sich mit diesen Problemen zu befassen.

Autokorrelation Fragen Sie entstehen, aber oft werden als vergangene Geschichte modelliert und nicht als eine Autokorrelation an sich, zB Ihre Vergangenheit der Kauf Schokolade bereifte Zuckerbomben http://www.gocomics.com/calvinandhobbes/1986/03/22 informiert die Vorhersage des zukünftigen Kaufverhaltens.

Wie oben erwähnt, wurden Paneldaten oft auf individueller Ebene anstatt auf aggregierter Ebene mit großem N und kleinem T verwendet. Es gibt viele Profis, die Paneldaten verwenden, da wir individuelle Heterogenität entfernen können und beim Testen häufig eine höhere Leistung erzielen, um zwei zu nennen . Diese neue Zeitdimension führt im Vergleich zu Querschnittsdaten einige neue Methoden, Annahmen und Probleme ein (ich verweise Sie auf Wooldridges Buch, um diese näher zu untersuchen).

In der Wirtschaft ist es jedoch weit verbreitet, auch Paneldaten auf Länderebene mit kleinem N und großem T zu verwenden. Dies führt zu einer Reihe von Schwierigkeiten, die beim Umgang mit großen N und kleinen T-Paneldaten nicht auftreten. Wir könnten zum Beispiel Unit-Roots in unserem Panel haben und es gibt auch spezielle Panel-Unit-Root-Tests, die sich mit diesem speziellen Problem befassen. Beachten Sie, dass diese bei einzelnen Serien eine deutlich höhere Leistung haben als Unit-Root-Tests. Wir könnten auch alle möglichen anderen Arten von Nichtstationarität in diesen Panels haben. Darüber hinaus können wir bei Paneldaten mit kleinem N und großem T auch eine Kointegration haben. Ein weiteres wichtiges Problem beim Umgang mit großen T- und kleinen N-Panel-Daten besteht darin, dass diese Daten häufig für wirtschaftliche Variablen auf Länderebene gelten und in diesem Fall die Unabhängigkeitsannahme häufig verletzt wird und dies überprüft werden sollte.

So führen Paneldaten mit großem N und kleinem T eine Zeitreihendimension im Vergleich zu Querschnittsdaten ein und ähneln der Querschnittsanalyse, während Paneldaten mit großem T und kleinem N eine Querschnittsdimension im Vergleich zum Zeitreihenansatz einführen und der ähnlich ist Zeitreihenanalyse.

Ein ausgezeichnetes Buch über Paneldaten mit großem N und kleinem T ist "Econometric Analysis of Querschnitts- und Paneldaten" von Wooldridge. Dieses Buch ist ziemlich dicht und enthält auf jeder Seite viele Informationen. Beginnen Sie also mit einem Einführungsbuch in die Ökonometrie und lesen Sie dort zuerst den Abschnitt über Paneldaten.

Ich kenne kein spezielles Buch für Panels mit großem T und kleinem N, aber es gibt einen Band mit dem Titel: "Nonstationary Panels, Panel Cointegration, and Dynamic Panels", Baltagi, hrsg.

Ich möchte die obigen Antworten durch einen Verweis ergänzen, in dem Sie auf Wunsch mehr über die Zeitabhängigkeit in Paneldatenmodellen lesen können: Verbeek, Marno. Ein Leitfaden für die moderne Ökonometrie , Wiley. In diesem Buch gibt es ein Kapitel über Paneldatenmodelle, das als gute Einführung dienen kann.

Als Beispiel für zeitgenössische Forschung zur Zeitabhängigkeit in Paneldaten können Sie lesen:

Fredrik NG Andersson: Wechselkursdynamik überarbeitet: Ein Paneldatentest der fraktionierten Integrationsreihenfolge. Empir Econ (2014) 47: 389–409.